无需显式轨迹，让3D扩散策略学习前瞻能力
一种名为Movement Trend Guidance的方法，让3D扩散策略学习表示机器人交互未来演变方式的紧凑潜在表征。训练时，模型使用少量未来夹爪状态监督该表征；推理时，仅保留潜在变量，并将其与当前观测一起作为面向未来的条件输入。该方法仅使DP3的参数量增加3.52%，同时保留原有的密集动作生成和滚动时域设计。在RoboTwin2.0、LIBERO-40以及五项真实机器人任务上，性能均有所提升：RoboTwin2.0为62.8%对56.1%，LIBERO-40为71.93%对37.08%，真实机器人任务为72.0%对49.0%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。