arXiv · 机器人与计算机视觉· Congsheng Xu, Qiaochu Yang, Fangyuan Shi, Yifan Han, Baijun Chen, Yiming Wang, Haonan Zhao, Zhe Liu, Yao Mu, Daolin Ma, Xiaokang Yang, Hesheng Wang·· 2026-10-07精选AI 评分82
VT-MUSE:面向操作的视觉 - 触觉多模态统一序列表征学习
VT-MUSE: Multimodal Unified Sequential Visuotactile Representation Learning for Manipulation
AI 导读
VT-MUSE 是一种针对视觉 - 触觉操作的多模态统一序列表征学习框架。现有方法常独立编码视觉和触觉观测后再融合,限制了捕捉细粒度跨模态依赖的能力,且大多关注当前时间步而忽视接触的时间演化。
推荐理由
VT-MUSE 框架通过跨模态时序对齐与掩码一致性学习视觉触觉联合表征,在仿真基准上超越最强基线 11 个百分点,并在真实实验中取得显著改进。
来源:arXiv · 机器人与计算机视觉 · arxiv.org