多模态信息融合

Inference-time Policy Steering via Vision and Touch

通过视觉和触觉进行推理时策略引导

Yilin Wu, Zilin Si, Zeynep Temel, Oliver Kroemer, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 机器人多传感器融合 ：multimodal fusion(abstract)；分类 cs.RO

AI总结 提出ViTaL框架，通过视觉采样验证和触觉引导扩散编辑的双层优化，在推理时引导机器人策略，显著提升接触丰富操作任务的成功率。

An Attention-based Model for Robust Forecasting with Missing Modality

基于注意力的缺失模态鲁棒预测模型

Zhitian Zhang, Wenjie Zi, Yunduz Rakhmangulova, Saghar Irandoust, Hossein Hajimirsadeghi, Thibaut Durand

机构 * Simon Fraser University（西蒙菲莎大学） ； RBC Borealis 纠错

专题命中 机器人多传感器融合 ：multimodal fusion(abstract)；分类 cs.RO

AI总结 提出一种基于条件变分自编码器和Transformer的多模态模型，通过注意力机制学习统一固定维度的表示，在训练和推理中处理缺失模态，在人类轨迹预测和机器人操作预测任务上优于现有方法。

Comments Work originally done in 2023

The eXtreme Wavefront Control Toolkit: High-Contrast Imaging Instrument Control for Ground and Space-Based Coronagraphs

极端波前控制工具包（XWCTk）：地基与空间日冕仪的高对比度成像仪器控制

Jared R. Males, Joseph D. Long, Sebastiaan Y. Haffert, Kyle Van Gorkom, Parker Johnson, Rico Landman, Eden McEwen, Olivier Guyon, Vincent Deo, Miles Lucas, Irina Stefan, Katie Twitchell, Jay Kueny, Joshua Liberman, Adam K. Taras, Adam Schilperoort, Matthijs Mars, Ewan S. Douglas, Laird M. Close

专题命中 机器人多传感器融合 ：sensor fusion(abstract)

AI总结 本文介绍专为MagAO-X ExAO仪器开发的XWCTk软件，基于低延迟工具链，可实现仪器控制、数据保存与压缩，适配地基及未来空间高对比度成像仪器，支持远程操作与自动化开发。

Comments Presented at SPIE Astronomical Telescopes + Instrumentation 2026

Multi-Sensor Alignment for Weather Simulations

用于天气模拟的多传感器对齐

Samsad Alam, Devyani Lambhate, Aditya Mohan, Vishal Kumar, Vaibhav Katewa

机构 * Indian Institute of Science（印度科学研究所） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)

AI总结 研究针对自动驾驶车辆在恶劣天气下的感知问题，提出参考数据集对齐方法和统一天气编辑方法进行多传感器对齐，经实验验证方法有效，能提升3D目标检测模型在不同天气下的鲁棒性。

Embedded Firmware Development for Flight Control, Telemetry, and Video Streaming for DIY UAV Research

用于DIY无人机研究的飞行控制、遥测和视频流的嵌入式固件开发

Ad-Deen Mahbub, Indroneel Roy, Mohammad Kamruzzaman Khan Prince

专题命中 机器人多传感器融合 ：sensor fusion(abstract)

AI总结 针对低成本无人机，基于双核ESP32-S3微控制器设计优化固件，利用内核任务分配、零拷贝缓冲区等技术，实现飞行控制、遥测和视频传输，经实验评估能提供精确稳定支持，助力DIY项目和研究。

Comments 6 pages, 12 figures, Pre-print

Deep Temporal Modeling and Ensemble Fusion for Multimodal Emotion Recognition from Physiological Signals

基于生理信号的深度时间建模与集成融合多模态情感识别

Desta Haileselassie Hagos, Saurav Keshari Aryal, Patrick Ymele-Leki, Anietie Andy, Legand L. Burge

机构 * Howard University（霍华德大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)

AI总结 本研究评估LSTM、TCN和Transformer在WESAD数据集上的多模态情感识别性能，通过消融实验和传感器级早期融合，并采用晚期融合集成策略，最终集成方法达到98.91%准确率和98.56%宏F1分数。

Comments Accepted for publication in the 17th ACM International Conference on Bioinformatics, Computational Biology and Health Informatics (ACM BCB 2026). DOI: https://doi.org/10.1145/3807503.3819363