Tag · 4 篇
视觉运动策略
学习具有 3D 空间先验的手术机器人操作
Learning Surgical Robotic Manipulation with 3D Spatial Priors
把立体内窥镜图像中隐含的 3D 几何线索通过微调的几何 Transformer 提取为 3D 潜变量表征，再用轻量连接器对齐到动作空间，为视觉研究者提供了一条「免显式重建、端到端注入 3D 先验」的范式，可直接迁移到其他需要空间感知的视觉运动策略。
基于球谐函数的高效混合 SE(3) 等变视觉运动流策略用于机器人操作
Efficient Hybrid SE(3)-Equivariant Visuomotor Flow Policy via Spherical Harmonics for Robot Manipulation
把球谐函数表示作为 SO(3) 等变的载体，并设计不变特征增强模块融合点云与图像，可直接迁移到任何需要旋转等变的多模态视觉编码器；同时证明整流流可与等变扩散策略稳定结合，为少步采样策略学习提供可复用方案。
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。
AffordGen：借助可供性对应为可泛化物体操作生成多样化示范
AffordGen: Generating Diverse Demonstrations for Generalizable Object Manipulation with Affordance Correspondence
利用视觉基础模型在大规模三维网格上建立关键点语义对应，从而把已有操作轨迹迁移到几何形状不同的新物体上，为视觉研究者提供了一条用三维生成模型扩充机器人操作数据、并训练闭环视觉运动策略的可复用路径。