arXiv cs.AI· Jiawei Geng, Zhenyang Liu, Yuzheng Wu, Yanwei Fu·· 11 小时前AI 评分31
AWAM：面向鲁棒机器人操作的活动轨迹条件视角想象
AWAM: Active Trajectory-Conditioned View Imagination for Robust Robot Manipulation
AI 导读
AWAM 是一种主动世界-动作模型，先预测任务相关的虚拟相机运动，将其作为结构化查询输入几何条件世界模型，生成可复用的空间先验并压缩为固定记忆，再通过 cross-attention 与实时观测融合，用于扩散式动作预测。在 LIBERO-Occ 上成功率达 75.9%，LIBERO-Plus 为 62.4%，RLBench-OG Occlusion1 为 76.5%，真实机器人试验为 94.4%。
正文 · AI 翻译
摘要：具身智能的快速进展使机器人能力不断增强，能够遵循语言指令并操作多样物体。然而，在结构化环境中的优异结果并不能自动迁移到开放世界条件下，在开放世界中，杂乱、遮挡和变化的视角可能掩盖行动所需的空间关系。为弥补这一感知差距，引入了一种虚拟主动感知范式。AWAM，即主动世界-行动模型，在行动前主动规划观察位置，并想象沿规划轨迹将看到的内容。任务相关的虚拟相机运动被预测，并用作几何条件世界模型的结构化查询，产生可复用的操作空间先验，随后被压缩为固定记忆，并通过交叉注意力与实时观测融合，用于基于扩散的动作预测。AWAM 取得了有竞争力的成功率：LIBERO-Occ 上 75.9%，LIBERO-Plus 上 62.4%，RLBench-OG Occlusion1 上 76.5%，真实机器人试验中 94.4%。这些结果支持对所评估遮挡和分布偏移的更强鲁棒性，弥合了结构化操作与较少受控环境之间差距的一部分。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.23396 [cs.RO] |
| （或本版本的 arXiv:2610.23396v1 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2610.23396 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jiawei Geng [查看邮箱]
[v1]
2026年10月16日星期五 12:53:08 UTC（14,345 KB）
来源：arXiv cs.AI · arxiv.org