热点事件持续更新

SomaAlign发布软体机器人抓取多模态数据集与方法

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Haoyuan Wang等作者提交预印本论文，提出面向软体机器人抓取的多模态表征学习方法SomaAlign，并配套发布Soma数据集与Soma-Success抓取结果数据集。Soma含100个物体、1000条连续抓取轨迹和74914个多模态样本，覆盖远程RGB、手部RGB、深度、触觉、IMU与结构化文本；Soma-Success为独立抓取结果数据集，1000次试验经质量控制保留998次。作者称，SomaAlign在30个有向跨模态检索任务上平均Recall@10为90.66%；在Soma-Success上，冻结编码器加轻量探针的事后分类准确率为94.59%，早期抓取成功预测准确率为84.07%。该论文为arXiv预印本（cs.RO、cs.LG），尚未经同行评议，上述指标均为作者自报，未经独立验证。

AI 根据报道生成 · 3 小时前更新

最新进展11月3日 13:00

SomaAlign：面向软体机器人抓取的可靠性感知多模态表征学习

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

13:00
arXiv · cs.RO
SomaAlign：面向软体机器人抓取的可靠性感知多模态表征学习
作者提出 SomaAlign，一种面向软体机器人抓取的三阶段多模态表征学习方法，并配套发布 Soma 数据集。Soma 包含 100 个物体、1000 条连续抓取轨迹和 74914 个多模态样本，覆盖远程 RGB、手部 RGB、深度、触觉、IMU 与结构化文本；另构建 Soma-Success 抓取结果数据集，1000 次试验经质量控制保留 998 次。方法先以掩码重建估计各模态相对可靠性，再用成对自适应温度的可靠性感知对比对齐调整对齐锐度，并以冲突感知语义约束提升样本内跨模态一致性。

本事件热度走势

可比范围当前: 8
可比范围峰值: 811月3日 19:00
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。