Uni-LaDiR 用潜空间扩散统一图文 3D 推理，让思维脱离具体模态

Uni-LaDiR（Unified Latent Diffusion Reasoner）用扩散模型在潜空间生成「潜思维」，把 VLM 和 VLA 的图像、文本、3D 点云等模态推理统一到同一空间，使推理不再依赖具体模态的表征形式。该框架的核心主张是：人类推理不会在图像、文本、3D 点云之间分别切换，思维应存在于更抽象的潜空间中，与 CoT 数据来自哪种模态无关。