视觉预训练模型能否迁移触觉预测引发研究者激辩

机器人研究者 Kyle Morgenstein 与 XOS9000 在 X 上围绕视频预训练模型能否用于触觉预测展开技术讨论。一项基于视频预训练的 DVA 模型显示，仅需少量触觉数据，同一视频骨干网络即可生成触觉地图，Morgenstein 认为这一结果并不显然，因为触觉与视觉差异较大；XOS9000 则主张用同一份触觉数据从零训练多模态模型进行比较，双方就跨模态迁移的难度与验证方式各执一词。

2026-10-16 ~ 2026-10-16 · 2 条相关