机器人高速穿过明暗交替的环境时，普通相机的一帧帧画面可能跟不上变化。事件相机不等固定时刻拍照，而是在像素亮度明显变化时立即发出信号；难点是这些信号异步、稀疏且有噪声，很难直接交给不同感知任务使用。
据 Science Robotics 摘要，宾夕法尼亚大学团队提出 F3：让模型根据过去事件预测未来事件，借此学出统一的“表征”——也就是把零散传感器数据压成更好用的内部摘要。F3 将连续时空范围内的事件整理为多通道图像，再供光流、语义分割和单目深度估计使用，分别帮助机器人判断画面如何移动、眼前是什么、物体有多远。
值得关注的不是又多了一个专用模型，而是一套特征能否跨任务、跨载体复用。作者报告，F3 在 HD 分辨率下以 120 Hz 生成表征，下游任务运行于 25 至 75 Hz；实验覆盖汽车、四足机器人和飞行平台。官方实现及预训练模型也已公开。不过现有速度与迁移表现均来自作者报告，实际机器人系统中的泛化能力仍待更多独立验证。