本研究提出了一种新的测试时适应学习范式，以应对机器学习算法在样本分布偏离时的挑战。通过回顾400多篇论文，分类现有方法并分析其有效性，展望未来研究机会。

本文系统调查了多模态3D场景理解的最新进展，介绍了任务背景和困难，分类了现有方法并探索了它们的优势和限制，提供了基准数据集上的对比结果和深入分析，讨论了未解决的问题并提出未来研究的潜在方向。