本研究提出了一种新型多模态掩码自编码器EmbodiedMAE，旨在缩小机器人操控中训练数据与实际任务之间的领域差距。该模型通过学习RGB、深度和点云表示，在DROID-3D数据集上进行训练，实验结果显示其在70个仿真任务和20个现实任务中表现优异，展现出良好的桌面操控应用潜力。

本研究提出DistinctAD框架，旨在解决音频描述生成中的领域差距和冗余问题。通过CLIP-AD适应策略和注意力模块，显著提高了音频描述的质量和独特性。

本文研究异构人脸识别，提出条件自适应实例调制模块（CAIM），有效适应不同源模态，缩小领域差距。通过广泛评估，证明该方法在多个基准测试中优于现有技术，成功实现端到端训练，且所需成对样本数量最少。