本研究解决了时间动作分割（TAS）领域中多模态特征重用的问题，提出了一种结合本体感知和外部感知的多模态特征提取器M2R2，以及一种新颖的预训练策略，从而在多个TAS模型间重用学习到的特征。研究结果表明，该方法在复杂的多模态机器人组装数据集REASSEMBLE上取得了领先的表现，超越了现有的机器人动作分割模型，提升幅度达46.6%。

本研究提出多速率残差混合（M2R2）框架，旨在解决自回归生成中的推理效率与生成准确性之间的权衡。M2R2通过动态调整残差速度，提升早期对齐，从而显著提高推理效率，优于现有方法。