热点事件持续更新
目标模态丢弃提升视觉丢失下操作鲁棒性
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月8日，arXiv cs.RO 报道了一项针对多模态模仿学习策略过度依赖视觉问题的研究。研究者指出，这类策略在推理时若视觉丢失会导致执行中断，为此提出 Targeted Modality Dropout（TMD）：用注意力估计各模态依赖度并选择性丢弃主导模态，同时对依赖分布施加熵正则。在双臂机械臂真机评测中，基线策略在视觉丢失下成功率大幅下降，而 TMD 仍能维持任务执行；随机选择丢弃模态、无熵正则的常规 dropout 即使无视觉丢失也在多项任务上失败。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
研究者提出 TMD，在双臂真机评测中视觉丢失下仍能维持任务执行。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.ROTargeted Modality Dropout：让双臂机器人操作在间歇性视觉丢失下保持鲁棒
针对多模态模仿学习策略过度依赖视觉、推理时视觉丢失会导致执行中断的问题，研究者提出 Targeted Modality Dropout（TMD），用注意力估计各模态依赖度并选择性丢弃主导模态，同时对依赖分布施加熵正则。在双臂机械臂真机评测中，基线策略在视觉丢失下成功率大幅下降，TMD 仍能维持任务执行；而随机选择丢弃模态、无熵正则的常规 dropout 即使无视觉丢失也在多项任务上失败。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。