OmniAct3D：基础几何+证据接地推理的全景3D检测

精确的3D检测对移动具身智能体至关重要，视觉基础模型（VFM）提供可迁移的视觉与几何先验。但既有基于VFM的3D检测器依赖窄视单目图像或离散透视图，限制了连贯的环视感知；等距柱状投影（ERP）则把连续360度场景编码进单张图像。直接迁移仍困难：ERP以不同方式组织几何与视觉信息，使物体相关线索难以建模、定位与保留。我们提出OmniAct3D，把透视图训练的VFM检测器适配到ERP同时保留可迁移VFM先验：为解决几何错配，ERP射线几何适配器（ERGA-Ray）建模球形视线与周期空间结构；为在全景语境中定位证据，视觉-动作推理链（VARC）把每个假设接于相关全景证据并转换为结构化几何动作；为恢复固定token预算下丢失的局部线索，外观引导朝向专家（AGHE）以更高分辨率重编码物体区域做朝向估计。实验显示OmniAct3D在Spheriverse较此前最佳3D检测器提升2.96 NDS，在PanoMMOcc较未适配VFM基线提升24.87 mAP；使用目标特定几何适配时VARC保留同配置mAP的95-98%，表明物体级3D推理可跨感知配置复用。代码/项目页：https://github.com/FeiT-FeiTeng/OmniAct3D。