热点事件持续更新

提出面向真机操作的定向模态丢弃方法

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Genki Shikada 等研究者提出 Targeted Modality Dropout（TMD）方法，用注意力估计策略对各模态的依赖度并选择性丢弃最主导的模态，再配合依赖分布的熵正则化训练多模态模仿学习策略。论文称，在双臂机械臂真机评估中，视觉丢失时基线策略成功率大幅下降，而 TMD 能维持任务执行。该论文已投稿至 2027 IEEE/SICE 系统集成国际研讨会（SII 2027）。

AI 根据报道生成 · 6 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
Targeted Modality Dropout：面向真实机器人操作、可应对间歇性视觉丢失的模仿学习方法
论文提出 Targeted Modality Dropout（TMD），通过注意力估计各模态依赖度并选择性丢弃最主导模态，配合依赖分布的熵正则化，提升多模态模仿学习策略的鲁棒性。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
近 24 小时变化: –

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。