다중모달 대규모 언어모델(Multimodal LLM, MLLM)의 발전에도 불구하고, 3차원 구조와 시공간적 동역학에 대한 추론 능력은 여전히 제한적이다. 이는 약한 4차원(4D) 인지 능력과 시계열 이해 능력 부족에 기인한다. 기존의 3차원 및 4차원 비디오 질의응답(Video Question Answering, VQA) 벤치마크는 정적 장면에 중점을 두고 있으며, 영역 수준의 프롬프트(지시)를 제공하지 못하는 점이 문제로 지적된다. 본 연구는 다음과 같은 세 가지 핵심 기여를 통해 이러한 문제를 해결한다: (a) 4D-RGPT, 비디오 입력으로부터 4차원 표현을 보다 향상된 시계열 인지 능력으로 캡처할 수 있도록 설계된 전용 MLLM; (b) Perceptual 4D Distillation (P4D), 고정된 전문 모델로부터 4D 표현을 4D-RGPT로 전이하는 학습 프레임워크로, 종합적인 4D 인지 능력을 구현한다; (c) R4D-Bench, 영역 수준의 프롬프트를 지원하는 깊이 인지 기반의 동적 장면을 대상으로 하며, 자동화된 혼합(하이브리드) 및 인간 검증 프로세스를 통해 구축된 벤치마크. 제안한 4D-RGPT는 기존의 4D VQA 벤치마크와 본 연구에서 제안한 R4D-Bench 모두에서 뚜렷한 성능 향상을 달성하였다.