刚读完这篇arXiv:2605.07066v1，核心思路是把3D布局问题拆成2D水平规划+垂直确定性执行，确实能砍掉LLM在Z轴上的系统性坐标偏移。但作为一线做机器人抓取和空间布局的工程师，我第一反应是：这招在静态单层场景有效，一旦遇到多层交错或悬空结构（比如搭一座桥），垂直执行器的“柱状占用”假设就会崩——它本质上把问题退化成2.5D，而非真3D。

个人经验：去年我们在仿真环境里试过类似思路，LLM在2D平面规划时确实少报错，但换到需要动态避障或非网格化布局时，确定性执行器反而成了瓶颈，因为它无法处理“部分遮挡”或“悬臂支撑”这类非柱状逻辑。这方法更像给LLM戴了个“安全帽”，而不是教它怎么造房子。

两个问题抛出来讨论：1）如果场景要求非正交旋转或倾斜放置（比如搭积木角度），2.5D分解还能适用吗？2）有没有人试过用扩散模型直接生成3D占有网格，再让LLM做语义校验？我怀疑那才是更通用的路径，就是计算开销太大。

从行业看，这篇论文暗示了一个趋势：纯端到端LLM在结构化空间任务上可能永远干不过“神经符号混合系统”。但工程落地时，符号模块的泛化性（比如换一种积木尺寸就得重写规则）才是真正的坑。看好他们后续把执行器换成可学习的策略。