arXiv · 机器人与计算机视觉· Tao Wang, Wei Wang, Jianhui Wang, ZhengYang Ye, Qi Wang, Weidi Huang, Bing Xu·· 24 天前AI 评分72
RAPAC-DP:面向延迟执行的响应对齐待执行动作补偿扩散策略
RAPAC-DP: Response-Aligned Pending-Action Compensation for Diffusion Policies under Delayed Execution
AI 导读
针对云侧推理导致的预测与执行不匹配问题,本文提出 RAPAC-DP 框架,通过轻量级编码器学习补偿机制,使扩散策略生成的动作序列与调度交接时间对齐。该方法无需显式动力学模型或额外延迟数据,仅在仿真基准和 Franka Panda 机械臂的 450 次物理实验中验证了有效性,将高延迟下的平均成功率从 28.9% 提升至 60.0%,并在 Kinetix 上保留了 81.4% 的无延迟性能。
来源:arXiv · 机器人与计算机视觉 · arxiv.org