Unisense统一具身多模态大模型框架提出

2026年10月20日，arXiv Computer Vision 刊出 Shiyun Xiong 等作者的论文，提出统一具身多模态大模型框架 Unisense。该框架在共享多模态架构中支持多种物理感官模态，采用两阶段训练：先将感官表征与语言对齐，再在共享 LLM 内微调各模态专家。团队同时构建了覆盖 8 种感官模态、100 万样本的 Unisense-1M 语料，并在深度、点云、IMU、触觉、热成像、雷达、运动与嗅觉等 12 个基准上评测，称多数基准表现优于通用与专用模型。目前事件进展停留在论文发布与基准评测层面，尚无后续跟进报道。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。