MAIA预判接触操作异常，任务成功率提升至61.5%

Yi Qiao 等提出多模态异常预判框架 MAIA，用于接触密集操作：其视觉-动作-力世界模型学习正常交互动力学并预测计划动作的视觉与力响应，轻量异常头预测即将发生的交互异常。作者同时发布真实多模态数据集 CRIA，含 2,852 条轨迹、18 项接触密集操作任务，带异常起始与演化的逐帧标注。 论文报告的实验结果显示，在已见与新任务上，MAIA 的异常判别优于代表性基线，bACC 分别为 0.765 和 0.710，中位预警提前量分别为 28.0 和 25.1 步；用其预测做异常感知的动作选择，在不重训底层操作策略的情况下，将端到端任务成功率从 52.6% 提升到 61.5%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。