DynaFLIP：通过三模态动力学引导表征重新审视机器人感知

Jusuk Lee, Seungjae Lee, Jonghun Shin, Hoseong Jung, Sungha Kim, Daesol Cho, H. Jin Kim, Jia-Bin Huang, Furong Huang

摘要

本文提出DynaFLIP框架，通过构建图像-语言-3D流三元组并最小化共享超球面空间中的单纯形体积，将运动理解融入感知编码器预训练。实验表明，该动力学感知表征在多种下游策略中优于基线方法。

dynamics-awaremultimodal pre-trainingrepresentation learningrobot manipulationperception

PERCEPTION

开放获取📊 4 引用

Ji-Hoon Hwang, Daeyoung Kim, Hyung-Suk Yoon 等 5 位作者

2026

PERCEPTION

📊 0 引用

Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Sili Ding, Feng Xu, Jie Chen 等 6 位作者

Progress in Materials Science · 2026