OctoSense：面向多模态机器人感知的自监督学习

- 自监督学习是一种无需人工标注数据、让模型从原始输入中自动学习特征的方法（如利用遮挡区域预测、对比学习等），近年大幅推动了大语言模型和计算机视觉的进步。 - OctoSense 是一套针对机器人感知设计的自监督框架，核心理念是让机器人同时处理视觉、触觉、本体感觉（自身运动与姿态）等多种模态信息，在没有标注的情况下学习对物理世界的理解。 - 机器人领域长期依赖人工标定的传感器数据和仿真环境，成本高且难以泛化到真实场景。OctoSense 试图解决这一问题：使机器人能从自身交互中持续学习，适应新物体和复杂环境。 - 该项目/论文名称中的 "Octo" 可能暗示八爪鱼般的多模态融合能力，而非指章鱼机器人本身；Sense 则强调感知层的学习。