← 视觉 · 语言 · 动作 / 三维空间与操作

正式发表 / Vision–Language–Action

3D Diffuser Actor

3D Diffuser Actor: Policy Diffusion with 3D Scene Representations

CoRL · 2024

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
三维场景条件下的轨迹去噪CoRL 2024 · Fig. 1 · p.4 ↗

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。

  1. 01构建三维 token
  2. 02融合语言与空间关系
  3. 03迭代去噪轨迹
3D Diffuser Actor三维场景条件下的轨迹去噪
三维场景条件下的轨迹去噪

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。 来源 ↗ · 打开完整图片 ↗

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。

当前阶段三维空间与操作 ↗

空间特征、关键位姿和几何结构如何帮助操作?

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