跳到正文
arXiv · 机器人与计算机视觉· Han Fang, Yunpeng Jiang, Jianshu Hu, Zhiyuan Guan, Ruiguo Sun, Shujia Li, Paul Weng, Xiao Li, Yutong Ban·· 2026-10-07精选AI 评分78

LEAP:让特权几何监督有效服务于视觉运动学习

LEAP: Making Privileged Geometry Supervision Effective for Visuomotor Learning

AI 导读

该论文提出 LEAP(Latent Encoding with Aligned Privileged Geometry)框架,旨在解决利用额外几何信息指导 RGB 视觉运动策略学习时存在的本体感觉捷径、主导视角依赖及重建目标无关等局限。

推荐理由

LEAP 框架通过引入辅助解码器与腕部视角丢弃策略,解决了特权几何监督的三大局限,在 RoboTwin 等基准上显著优于 Diffusion Policy 和 ACT。

来源:arXiv · 机器人与计算机视觉 · arxiv.org