多模态多任务（M3T）联邦基础模型在具身人工智能中的潜力与边缘集成挑战

该研究针对具身人工智能系统在快速适应用户偏好和处理多样传感器输入时面临的复杂性问题。我们提出了一种新的范式——联邦基础模型（FFMs），结合多模态多任务（M3T）基础模型与隐私保护的联邦学习，旨在提升智能系统在边缘设备上的能力。研究发现，FFMs在安全性、隐私和个性化方面具有可行的解决方案，且为未来研究提供了重要方向。