본 논문은 기존의 단일 객체, 단일 affordance에 기반한 3D affordance segmentation 연구의 한계를 극복하고, 복잡한 사용자 의도를 포함하는 장기간 작업을 처리하기 위해 순차적인 3D affordance 추론 과제를 제시합니다. 기존 방법들이 단일 affordance 또는 명시적인 지시어에만 집중하는 것과 달리, 본 논문에서는 사용자의 복잡한 의도를 이해하고 이를 일련의 segmentation map으로 분해하는 방법을 제안합니다. 이를 위해 180,000개의 instruction-point cloud 쌍으로 구성된, instruction 기반 affordance segmentation benchmark를 최초로 구축하고, 3D 다중 모달 대규모 언어 모델에 affordance segmentation 능력을 추가하여 세계 지식과 세밀한 affordance grounding을 통합한 모델 SeqAfford를 제안합니다. 또한 다중 입자 크기의 언어-점 통합 모듈을 도입하여 3D dense prediction을 향상시켰습니다. 실험 결과, SeqAfford는 기존 방법들을 능가하며 순차적 추론 능력을 갖춘 열린 세계 일반화 능력을 보여줍니다.
