本研究探讨大型语言模型（LLMs）在具身化场景中的规划能力，结合自然语言反馈与物理引擎，提升机器人控制任务的理解与执行效果。实验表明，Mind's Eye显著增强了模型的推理能力，并提出了基于物理环境的知识获取方法，改善了推理和规划表现。此外，研究分析了LLMs与三维空间数据的整合，强调其在空间理解和互动中的潜力，为未来研究提供了方向。

本文综述了大型语言模型（LLMs）与三维空间数据（3D-LLMs）的整合进展，探讨了其在3D数据处理、理解和生成中的应用，强调了在空间理解和互动方面的潜力。研究分析了多种3D数据表示及其在字幕生成、问答和空间推理等任务中的应用，并指出未来研究需创新方法以充分发挥3D-LLMs的潜力。