arXiv cs.CV· Ruoxuan Feng, Yutong Chen, Ruihua Song, Huan Yang, Zhongyuan Wang, Guocai Yao, Di Hu·· 5 小时前AI 评分30
ROMA：面向真实世界物体中心多感官主动感知的 LLM 系统
ROMA: LLM System for Real-World Object-Centric Multi-Sensory Active Perception
AI 导读
ROMA 是一个基于 LLM 的真实世界物体中心多感官主动感知系统，融合视觉、音频、触觉与力觉，通过推理-交互-反馈闭环主动获取缺失证据。研究团队构建了覆盖近 2,000 个物体、6 种原子交互的 ROMI-2K 数据集，并采用两阶段训练框架对齐多感官模态，同时提出 ROMA Bench 评估单属性、长程多属性与意图驱动的主动感知。实验显示 ROMA 能完成现有方法难以处理的长链多感官感知任务。
来源：arXiv cs.CV · arxiv.org