PlanFormer

深度分析

「物理驅動基礎模型」：以射頻訓練的 PlanFormer 實現跨模態 AI 轉移

研究以射頻資料訓練物理驅動基礎模型，透過傅立葉與對稱損失嵌入物理原則，實現零微調跨模態轉移，平均正確率達84.5%，顯示物理與語意任務的明顯分界。同時比較了與OCLGen搜索演算法及Config企業級機器人資料平台的差異，指出物理驅動模型在資源效率與跨領域適應性上具潛在優勢。