跳到正文
arXiv · 机器人与计算机视觉· Ruoxuan Feng, Yutong Chen, Ruihua Song, Huan Yang, Zhongyuan Wang, Guocai Yao, Di Hu·· 2026-10-07AI 评分73

ROMA:面向现实世界物体中心的多感官主动感知 LLM 系统

ROMA: LLM System for Real-World Object-Centric Multi-Sensory Active Perception

AI 导读

论文介绍 ROMA 系统,该系统基于大语言模型实现视觉、听觉、触觉和力觉的融合,通过推理 - 交互 - 反馈闭环主动获取缺失证据以推断物理属性。研究构建了包含近 2000 个物体及 6 种原子交互的 ROMI-2K 数据集,并开发了两阶段训练框架使模型能评估证据充分性、选择交互方式并进行多感官推理。

来源:arXiv · 机器人与计算机视觉 · arxiv.org