A0：面向通用机器人操作的感知 affordance 的层次模型
机器人学
2026-01-21 v5
摘要
机器人操作面临着理解空间 affordance 的关键挑战——即“何处”以及“如何”进行对象交互，这对于诸如擦拭板子或堆叠物体等复杂操作任务至关重要。现有方法，包括模块化方法和端到端方法，往往缺乏稳健的空间推理能力。与最近基于点的 affordance 方法和基于流的 affordance 方法不同，这些方法侧重于稠密空间表示或轨迹建模，我们提出A0，一种层次化的 affordance-aware扩散模型，将操作任务分解为高层空间 affordance 理解和低层动作执行。A0利用具象化感知 affordance 表示（Embodiment-Agnostic Affordance Representation），通过预测接触点和接触后轨迹来捕获对象中心的空间 affordance。A0在100万接触点数据上进行预训练，然后在标注轨迹上进行微调，实现跨平台的泛化。关键组件包括用于运动感知特征提取的位置偏移注意力，以及用于精确坐标映射的空间信息聚合层。模型的输出由动作执行模块执行。在多个机器人系统（Franka、Kinova、Realman和Dobot）上的实验表明，A0在复杂任务上表现出优越性能，展示了其效率、灵活性和实际应用性。
关键词
引用
@article{arxiv.2504.12636,
title = {A0: An Affordance-Aware Hierarchical Model for General Robotic Manipulation},
author = {Rongtao Xu and Jian Zhang and Minghao Guo and Youpeng Wen and Haoting Yang and Min Lin and Jianzheng Huang and Zhe Li and Kaidong Zhang and Liqiong Wang and Yuxuan Kuang and Meng Cao and Feng Zheng and Xiaodan Liang},
journal= {arXiv preprint arXiv:2504.12636},
year = {2026}
}