人大联合 BAAI 发布 ROMA,让机器人主动摇杯听声补全信息

jiqizhixin · x · 2026-10-17

中国人民大学高瓴人工智能学院(GeWu-Lab)、北京智源研究院与 AresoX 发布 ROMA(Real-World Object-Centric Multi-Sensory Active Perception),一个面向真实世界以物体为中心的多感官主动感知 LLM 系统。

核心问题：当人说「帮我找一个能泡茶的空杯子」时，机器人不仅要理解隐含意图(空杯)，还要判断几个候选杯子里哪个真的空——可能需要摇一摇、掂一掂重量、听有没有液体声。这暴露了具身智能的核心缺口：机器人要知道自己缺什么信息，并通过合适的感官模态主动获取。