跳到正文
arXiv · 机器人与计算机视觉· Genki Shikada, Kazuki Osamura, Masaru Ide, Tetsuya Ogata, Kanata Suzuki·· 2026-10-08AI 评分48

Targeted Modality Dropout 提升双机械臂在视觉丢失时的操作鲁棒性

Targeted Modality Dropout for Real-Robot Manipulation Robust to Intermittent Vision Loss

AI 导读

针对模仿学习策略过度依赖视觉模态的问题,该方法通过注意力估计依赖度并选择性丢弃主导模态,结合熵正则化。实验显示,在双机械臂真实机器人测试中,面对间歇性视觉丢失时,基线策略成功率大幅下降,而 Targeted Modality Dropout 仍能维持任务执行;相比之下,无熵正则化的常规随机丢弃方法即便在无视觉丢失情况下也会失败。该研究已提交至 2027 IEEE/SICE SII 会议。

来源:arXiv · 机器人与计算机视觉 · arxiv.org