# 软体机器人抓取

软体机器人抓取缺少同时协调视觉、深度、触觉、惯性测量与文本的多模态数据，且现有对齐方法对所有模态对使用同一强度。SomaAlign 先用掩码重建估计各模态的相对可靠性，再据此为每一对模态设定不同的对比温度，并在第三阶段用冲突感知约束收紧样本内跨模态一致性。在 Soma 数据集上，30 个有向跨模态检索任务的平均 Recall@10 为 90.66%；在独立采集、未参与表征学习的 Soma-Success 上，冻结编码器加轻量探针的后验抓取结果分类准确率为 94.59%。

软体机器人抓取缺少同时协调视觉、深度、触觉、惯性测量与文本的多模态数据，且现有对齐方法对所有模态对使用同一强度。SomaAlign 先用掩码重建估计各模态的相对可靠性，再据此为每一对模态设定不同的对比温度，并在第三阶段用冲突感知约束收紧样本内跨模态一致性。在 Soma 数据集上，30 个有向跨模态检索任务的平均 Recall@10 为 90.66%；在独立采集、未参与表征学习的 Soma-Success 上，冻结编码器加轻量探针的后验抓取结果分类准确率为 94.59%。