DeFM：仅用深度图像训练的机器人基础模型

2026年10月28日，arXiv Robotics 刊出 Manthan Patel 等作者的 DeFM 研究。报道称，DeFM 是仅用深度图像自监督训练的基础模型，基于 6000 万张深度图像，采用 DINO 式自蒸馏目标学习几何与语义表征，并引入新的输入归一化策略以保留多尺度度量感知。报道称其在深度分类、分割、导航、运动与操作基准上取得 SOTA，并展现从仿真到真实环境的强泛化能力。作者表示已发布全部预训练模型，可开箱用于基于深度的机器人学习，无需任务特定微调。目前该事件仅有这一篇主报道，尚无跟进报道，上述性能与发布范围均以该报道为准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。