본 논문에서는 로봇 조작에서 강력한 공간적 이해, 즉 3D 기하학, 객체 관계 및 로봇 구현에 대한 추론 능력을 갖춘 정책 모델을 개발하는 과제를 다룹니다. 기존의 3D 점 구름 모델은 의미적 추상화가 부족하고, 2D 이미지 인코더는 공간적 추론에 어려움을 겪습니다. 이를 해결하기 위해, 본 논문에서는 두 가지 상호 보완적인 관점에서 공간적 이해를 명시적으로 향상시키는 새로운 확산 기반 정책 프레임워크인 SEM(Spatial Enhanced Manipulation model)을 제안합니다. 공간 향상기는 3D 기하학적 맥락으로 시각적 표현을 증강하고, 로봇 상태 인코더는 관절 의존성의 그래프 기반 모델링을 통해 구현 인식 구조를 포착합니다. 이러한 모듈을 통합함으로써 SEM은 공간적 이해를 크게 향상시켜 다양한 작업에서 기존 기준보다 우수한 강력하고 일반화 가능한 조작으로 이어집니다.
