通过空间语言建模统一策略学习与状态预测

研究者提出 Spatial Language Modeling，用离散坐标与语义 token 的共享词表表示场景轮廓、目标、动作目标和未来状态，让单个自回归 Transformer 以统一的下一 token 目标同时学习动作生成与动作条件下的状态预测。