Tag · 4 篇
动作分块
01 02 03 04
面向三维灵巧操作的结构化动作 Transformer
Structural Action Transformer for 3D Dexterous Manipulation
把动作块从时序序列重构为无序的逐关节轨迹序列，并用关节码本编码运动学先验，使 Transformer 能以变长序列原生处理不同自由度的机械手；这一「结构化动作表示 + 点云条件流匹配」的思路可迁移到任何需要跨本体泛化的视觉-动作策略学习。
面向人形全身控制的端到端语言-动作模型
End-to-End Language-Action Model for Humanoid Whole Body Control
把语言指令与本体感知直接映射到低层动作的端到端流匹配策略，配合残差动作头做真机精修，可作为视觉-语言-动作（VLA）类具身控制中绕开中间表示与模块化流水线的可复用范式。
面向视觉-语言-动作模型的推理时自适应动作分块
Adaptive Action Chunking at Inference-time for Vision-Language-Action Models
提出用动作熵作为推理时自适应选择动作分块大小的线索，可被其他 VLA 模型直接复用，以平衡响应速度与动作一致性。
面向双臂操作的动作-几何预测与3D几何先验
Action-Geometry Prediction with 3D Geometric Prior for Bimanual Manipulation
把预训练3D几何基础模型作为策略的感知骨干，用扩散模型联合预测动作块与未来3D latent（解码为稠密点图），为视觉研究者提供了一条仅用RGB观测就获得几何感知与场景演化预测的可复用路线，可迁移到其他需要空间推理的视觉-动作任务。