arXiv cs.AI· Xinzhe Chen, Liqi Huang, Sihua Ren, Haowen Sun, Mingyang Li, Zeyang Liu, Xingyu Chen, Xuguang Lan·· 3 天前AI 评分22
面向 SE(3) 等变视觉运动策略的相位条件可供性场
Phase-Conditioned Affordance Fields for SE(3)-Equivariant Visuomotor Policies
AI 导读
研究提出相位条件可供性场（PAF），在观测点云上学习逐点分数，用其分数加权质心作为相位条件锚点对观测与动作做规范化，并将分数作为逐点特征，从而在保留全局 SE(3) 等变性的同时引入局部几何归纳偏置。在多种空间随机化下的 MimicGen 任务中，PAF 持续提升底层策略成功率；在多物体真机任务上优于基线，并在光照变化下保持领先。该工作已被 CoRL 2026 接收。
正文 · AI 翻译
摘要：SE(3) 等变性为视觉运动策略提供了一种有用的几何归纳偏置，它编码了动作随观测的刚体变换而协变的性质。然而，现有的 SE(3) 等变视觉运动策略将这种偏置建立在全局等变假设之上，即把整个观测视为受单一刚体变换支配，这在任务相关区域随不同物体而变化真实操作任务中并不成立。我们通过在观测点云上学习一个相位条件可供性场（PAF）来解决这一问题，该场是一个逐点分数，SE(3) 等变策略以两种互补方式使用它。其分数加权质心充当一个学习到的、相位条件的锚点，将观测和动作围绕活动区域进行规范化，从而取代固定的夹爪坐标系参考；而分数本身则作为逐点特征被附加。这引入了局部几何归纳偏置，同时保留了策略的全局 SE(3) 等变性。我们在不同空间随机化下的多个 MimicGen 任务上进行了验证，PAF 持续提升了底层策略的成功率。在多物体真实机器人任务上，PAF 优于基线，并在光照变化下保持领先。
| Comments: | 被第十届机器人学习会议（CoRL 2026）接收。项目页面：this https URL |
| Subjects: | 机器人学 (cs.RO)；人工智能 (cs.AI) |
| Cite as: | arXiv:2610.17281 [cs.RO] |
| （或 arXiv:2610.17281v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17281 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Xinzhe Chen [查看邮箱]
[v1]
2026年10月12日星期一 18:35:08 UTC（4,891 KB）
来源：arXiv cs.AI · arxiv.org