SHIRITAS

用語集

vision-tactile-language-action(VTLA)モデル

画像(視覚)、触覚、言語、行動といった複数の種類の情報をまとめて扱うモデル。異なる情報源を突き合わせて、状況理解や行動選択に使う。

たとえば: 目で見た情報に、手触りや説明文を足して判断する“総合判断”に近い。

AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。

この言葉が出てくる記事