DSPv2：用于高效且可泛化的全身移动操控的改进密集策略
机器人学
2025-09-29 v2
摘要
通过模仿学习全身移动操控对于将机器人技能泛化到多样环境和复杂任务至关重要。然而，这一目标受到重大挑战的阻碍，特别是在有效处理复杂观测、实现鲁棒泛化和生成连贯动作方面。为了解决这些问题，我们提出了一种新型策略架构 DSPv2。DSPv2 引入了一种有效的编码方案，将 3D 空间特征与多视图 2D 语义特征对齐。这种融合使策略能够实现广泛泛化，同时保留精确控制所需的细粒度感知。此外，我们将密集策略范式扩展到全身移动操控领域，展示了其在为全身机器人平台生成连贯且精确动作方面的有效性。大量实验表明，我们的方法在任务性能和泛化能力上均显著优于现有方法。项目页面见：https://selen-suyue.github.io/DSPv2Net/。
引用
@article{arxiv.2509.16063,
title = {DSPv2: Improved Dense Policy for Effective and Generalizable Whole-body Mobile Manipulation},
author = {Yue Su and Chubin Zhang and Sijin Chen and Liufan Tan and Yansong Tang and Jianan Wang and Xihui Liu},
journal= {arXiv preprint arXiv:2509.16063},
year = {2025}
}