arXiv · 机器人与计算机视觉· Xiangyu Zhu, Renjun Wu, Luzhou Ge, Jinyan Liu, Xuesong Li·· 23 天前AI 评分65
GeoHAT:面向移动操作的几何自适应混合动作 Transformer
GeoHAT: Geometry-Adaptive Hybrid Action Transformer for Mobile Manipulation
AI 导读
针对全身移动操作需协调移动底盘与机械臂且面临几何感知挑战的问题,本文提出 GeoHAT 端到端扩散框架。该方法利用轻量傅里叶空间编码器将像素级 3D 坐标映射为几何 token,并通过深度有效性门控融合注入视觉基础模型特征;动作生成部分采用混合全身动作解码器,将臂与底盘分解至不同子空间并分别关注任务相关视觉上下文。
来源:arXiv · 机器人与计算机视觉 · arxiv.org