English(EN) An Attention-based Model for Robust Forecasting with Missing Modality

新型注意力模型处理机器人学习中缺失的模态

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-15 04:00

研究人员开发了一种新的基于注意力的多模态模型，该模型旨在处理在训练和推理过程中部分传感器数据缺失的情况。该模型被构建为一个带有Transformer骨干的条件变分自编码器（CVAE），即使在模态不完整的情况下也能学习统一的表示。在人类轨迹预测和机器人操作预测的五个数据集上的实验表明，它在从不完整数据中学习方面是有效的，并且优于现有的多模态融合方法。 AI

影响该模型可以提高人工智能系统在传感器数据经常不完整的实际机器人应用中的鲁棒性。

排序理由这是一篇描述针对特定机器学习问题的创新模型的学术论文。

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Zhitian Zhang, Wenjie Zi, Yunduz Rakhmangulova, Saghar Irandoust, Hossein Hajimirsadeghi, Thibaut Durand · 2026-06-15 04:00

An Attention-based Model for Robust Forecasting with Missing Modality

arXiv:2606.13970v1 Announce Type: cross Abstract: Learning with missing modalities is a fundamental challenge in multimodal robot learning, as real-world robotic systems often operate in environments with incomplete sensor data. Attention-based models are appealing for processing…

报道来源 [1]

An Attention-based Model for Robust Forecasting with Missing Modality

相关实体

相关话题