该文综述多模态视觉表征与机器人操控研究，通过多任务微调预训练视觉编码器，并利用任务融合解码器改进R3M、MVP、EgoVLP等表示以提升下游操控性能；同时涉及对比学习、概率分布编码、多模态提示与CriticGPT偏好反馈等方法，增强迁移与规划能力。

本研究使用多任务微调的方式在预训练的视觉编码器上学习感知技能，通过任务融合解码器指导表示学习，提升了机器人操控任务的学习性能。实验证明任务融合解码器对三种最先进的视觉编码器的表示进行了改进。

本研究使用多任务微调的方式在预训练的视觉编码器上学习感知技能，通过任务融合解码器指导表示学习，提升了下游机器人操控任务的学习性能。实验验证了任务融合解码器在多个机器人任务和环境中对视觉编码器的表示进行了改进。