English(EN) ROMA: LLM System for Real-World Object-Centric Multi-Sensory Active Perception

ROMA系统使用大语言模型进行主动、多感官感知

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

研究人员开发了ROMA，一个新设计用于真实场景中主动感知的大语言模型（LLM）系统。与被动整合感官数据的传统系统不同，ROMA通过与环境互动来主动寻找缺失的信息。该系统整合了视觉、听觉、触觉和力感应，并利用推理-互动-反馈循环来识别和获取必要的证据。为此，创建了一个名为ROMI-2K的大规模数据集，其中包含近2000个物体和6种原子交互。ROMA已证明其能够解决需要长串推理和交互的复杂多感官感知任务。 AI

影响这项研究可能促成更复杂的具身AI代理，使其能够进行复杂的现实世界交互和理解。

排序理由该条目描述了一篇新的研究论文，其中详细介绍了一个新颖的主动感知系统和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 7 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇新的研究论文，其中详细介绍了一个新颖的主动感知系统和数据集。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Ruoxuan Feng, Yutong Chen, Ruihua Song, Huan Yang, Zhongyuan Wang, Guocai Yao, Di Hu · 2026-10-07 04:00

ROMA：面向真实世界以物体为中心的、多感官的主动感知的大型语言模型系统

arXiv:2610.06955v1 Announce Type: cross Abstract: Humans inherently understand the physical world through an active process. When sensory evidence is insufficient to infer physical properties, we naturally interact with the environment by deciding what information is missing, how…

本文如何被排名

报道来源 [1]

ROMA：面向真实世界以物体为中心的、多感官的主动感知的大型语言模型系统

相关实体

相关话题