English(EN) DeFM: Learning Foundation Representations from Depth for Robotics

DeFM：新的基础模型从机器人深度数据中学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

研究人员推出 DeFM，这是一种新颖的自监督基础模型，专门用于使用深度传感器数据的机器人应用。DeFM 在 6000 万张深度图像上进行了训练，采用了类似 DINO 的目标，学习了可在各种环境、任务和传感器中泛化的几何和语义表示。该模型还采用了一种新颖的输入归一化策略，以在不同尺度下保持度量感知，并且可以蒸馏成更小的模型以用于资源受限的系统。评估表明，DeFM 在基于深度的分类、分割、导航、运动和操作任务上取得了最先进的性能，展示了强大的仿真到现实迁移能力。 AI

影响该模型可以通过利用易于获得的深度传感器数据，实现更强大、更具适应性的机器人系统。

排序理由发布了一篇详细介绍新颖 AI 模型的学术论文。[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: 9 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发布了一篇详细介绍新颖 AI 模型的学术论文。[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, model release, 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) · Manthan Patel, Jonas Frey, Mayank Mittal, Fan Yang, Alexander Hansson, Amir Bar, Cesar Cadena, Marco Hutter · 2026-10-12 04:00

DeFM：从深度学习机器人基础表示

arXiv:2601.18923v2 Announce Type: replace-cross Abstract: Depth sensors are widely deployed across robotic platforms, and advances in fast, high-fidelity depth simulation have enabled robotic policies trained on depth observations to achieve robust sim-to-real transfer for a wide…

本文如何被排名

报道来源 [1]

DeFM：从深度学习机器人基础表示

相关实体

相关话题