本文提出了JEMA（多模态对齐的联合嵌入），这是一个针对激光金属沉积（LMD）的新型共同学习框架，旨在解决数据有限和AI应用模糊的问题。通过利用多视角图像和过程参数等多模态数据，JEMA显著提升了模型的可扩展性和性能。

本文介绍了一种新型基于视觉的系统，利用深度数据来准确确定机器人关节的三维位置，并通过共同学习预测未来姿态的能力提高当前姿态估计的准确性。实验评估展示出最先进且实时的性能，并验证了所提出方法在机器人和人类场景下的有效性。