该研究提出了一种自底向上的场景理解方法，通过推断点云中物体之间的支撑关系和利用平面对的空间拓扑信息，实现了原始物体分类和支撑关系推理。该方法构建了包含原始级别和物体级别的场景层级图，表现出色且具有可扩展性。

本文介绍了一个新的认知模型，该模型是AGI代理的一部分，基于操作积累的知识，并展示了自顶向下和自底向上的模型学习。通过认知演进，描述了达到成熟状态的模型和实例的动态操作记忆。

该文介绍了 Epistemic Logic Programs 中的自底向上和自顶向下的分割方法，并证明了它们的等价性。作者引入了新的定义和语义属性进行分析。