← 视觉 · 语言 · 动作 / 三维空间与操作三维场景条件下的轨迹去噪CoRL 2024 · Fig. 1 · p.4 ↗
正式发表 / Vision–Language–Action
3D Diffuser Actor
3D Diffuser Actor: Policy Diffusion with 3D Scene Representations
CoRL · 2024
关键框架 FRAMEWORK
将场景、机器人状态和轨迹表示为带三维位置的 token,用相对注意力联合去噪下一关键位姿及连接轨迹。
- 01构建三维 token
- 02融合语言与空间关系
- 03迭代去噪轨迹
THE IDEA
它在解决什么
将场景、机器人状态和轨迹表示为带三维位置的 token,用相对注意力联合去噪下一关键位姿及连接轨迹。
WHY READ IT
为什么放在这条路线
与 DP3 是同期方法对照:保留空间 token 和相对关系,而非汇聚成单个点云向量;不是 DP3 的后续版本。
READ WITH A QUESTION
读的时候,留意什么
需要相机标定和深度信息;三维轨迹预测仍受感知误差、碰撞和训练覆盖限制。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器