Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.05186

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2508.05186 (cs)
[提交于 2025年8月7日 ]

标题: 学习看见和行动:用于机器人操作的任务感知视点规划

标题: Learning to See and Act: Task-Aware View Planning for Robotic Manipulation

Authors:Yongjie Bai, Zhouxia Wang, Yang Liu, Weixing Chen, Ziliang Chen, Mingtong Dai, Yongsen Zheng, Lingbo Liu, Guanbin Li, Liang Lin
摘要: 最近的多任务机器人操作视觉-语言-动作(VLA)模型通常依赖于静态视角和共享的视觉编码器,这限制了3D感知并导致任务干扰,阻碍了鲁棒性和泛化能力。 在本工作中,我们提出了任务感知视角规划(TAVP),这是一种通过将主动视角规划与任务特定表示学习相结合来克服这些挑战的框架。 TAVP采用了一种高效的探索策略,该策略通过一个新颖的伪环境加速,以主动获取信息丰富的视角。 此外,我们引入了一个专家混合(MoE)视觉编码器,以解耦不同任务之间的特征,提升表示精度和任务泛化能力。 通过以任务感知的方式观察世界,TAVP生成了更完整和具有区分性的视觉表示,在各种操作挑战中表现出显著增强的动作预测能力。 在RLBench任务上的大量实验表明,我们提出的TAVP模型在性能上优于最先进的固定视角方法。 视觉结果和代码可在以下网址获取:https://hcplab-sysu.github.io/TAVP.
摘要: Recent vision-language-action (VLA) models for multi-task robotic manipulation commonly rely on static viewpoints and shared visual encoders, which limit 3D perception and cause task interference, hindering robustness and generalization. In this work, we propose Task-Aware View Planning (TAVP), a framework designed to overcome these challenges by integrating active view planning with task-specific representation learning. TAVP employs an efficient exploration policy, accelerated by a novel pseudo-environment, to actively acquire informative views. Furthermore, we introduce a Mixture-of-Experts (MoE) visual encoder to disentangle features across different tasks, boosting both representation fidelity and task generalization. By learning to see the world in a task-aware way, TAVP generates more complete and discriminative visual representations, demonstrating significantly enhanced action prediction across a wide array of manipulation challenges. Extensive experiments on RLBench tasks show that our proposed TAVP model achieves superior performance over state-of-the-art fixed-view approaches. Visual results and code are provided at: https://hcplab-sysu.github.io/TAVP.
评论: 7页,9图,项目页面:https://hcplab-sysu.github.io/TAVP
主题: 机器人技术 (cs.RO) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2508.05186 [cs.RO]
  (或者 arXiv:2508.05186v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.05186
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yongjie Bai [查看电子邮件]
[v1] 星期四, 2025 年 8 月 7 日 09:21:20 UTC (4,998 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号