本研究提出了一种新方法——距离解释器，旨在解决现有可解释人工智能在嵌入向量空间中的解释性不足。该方法通过选择性屏蔽和距离排名生成局部解释，实验证明其在识别特征相似性和差异性方面具有高度鲁棒性，从而提升了深度学习的透明性和可信度。

本文介绍了一种解决点云理解问题的通用简单框架，通过聚类方法生成聚类，并结合特征相似性学习合并过度细分的聚类，以及引导标签传播。实验证明该框架在点云理解任务中表现最佳，具有潜力应用于机器人操作和自主导航。