← 视觉 · 语言 · 动作 / 三维空间与操作三维特征场与关键位姿预测CoRL 2023 · Fig. 1 · p.2 ↗
正式发表 / Vision–Language–Action
Act3D
Act3D: 3D Feature Field Transformers for Multi-Task Robotic Manipulation
CoRL · 2023
关键框架 FRAMEWORK
把二维视觉特征提升到三维,递归采样并细化候选空间点,以相对注意力定位下一末端关键位姿。
- 01提升多视角特征到三维
- 02粗到细选择空间点
- 03预测关键位姿并规划
THE IDEA
它在解决什么
把二维视觉特征提升到三维,递归采样并细化候选空间点,以相对注意力定位下一末端关键位姿。
WHY READ IT
为什么放在这条路线
相对 PerAct 的体素动作分类,Act3D 使用连续空间候选点和特征场;与轨迹扩散模型区分,它仍接运动规划器。
READ WITH A QUESTION
读的时候,留意什么
依赖深度、标定、关键位姿监督和规划接口;单次关键位姿预测不能替代全部接触过程控制。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器