本文提出了一种语言约束的概念学习方法LARC，通过提取语言属性约束，提升了神经符号概念学习器在自然监督下的准确性，改善了3D视觉定位性能，并展示了三维视觉推理能力，为无密集监督的视觉推理框架奠定基础。

本论文提出了一种利用语言为约束的 Language-Regularized Concept Learner (LARC) 方法，通过从语言属性中提取约束，显著提高了自然监督环境下神经符号概念学习器的准确性，改进了之前工作在自然监督的 3D 视觉定位方面的性能，并展示了广泛的三维视觉推理能力，为学习无密集监督环境的结构化视觉推理框架打下了有前景的基础。