Sensor-Language-Action 模型：统一多模态传感、语言与动作的建模框架

研究者提出 Sensor-Language-Action（SLA）建模框架，将多模态传感器观测、自然语言与动作统一在单一模型中，以语言作为感知与行动之间的语义接口，使异构动作可被表示、预测和解释。现有传感器模型大多止步于感知，仅识别状态或预测结果，动作则通过任务特定且常为封闭标签空间的方式单独建模。