Tag · 4 篇
双臂操作
01 02 03 04
MangoBench：面向多智能体目标条件离线强化学习的基准
MangoBench: A Benchmark for Multi-Agent Goal-Conditioned Offline Reinforcement Learning
为视觉驱动的具身智能体提供多目标离线训练与评测基准，其47个任务覆盖高维视觉输入下的联合控制与双臂操作，可直接用于检验视觉表征在稀疏奖励下的目标泛化能力。
EnergyAction：基于能量模型的单臂到双臂策略组合
EnergyAction: Unimanual to Bimanual Composition with Energy-Based Models
将单臂操作策略建模为能量模型并通过能量组合实现双臂协调，其能量约束下的时序-空间协调机制与自适应去噪步数策略，可为视觉-动作联合生成中的多策略融合与推理效率提供可复用思路。
CUBic：协调统一的双臂感知与控制框架
CUBic: Coordinated Unified Bimanual Perception and Control Framework
把双臂协调建模为共享 token 化表征问题，用两个共享映射的码本实现双向感知协调，再接扩散策略输出动作；对做视觉运动策略的人，这是一套可复用的「感知表征统一 + 扩散动作头」范式，可直接迁移到其他多智能体或多末端操作设定。
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。