FALCON：面向移动操作的主动解耦视觉运动策略与基于基础模型的协调
机器人学
2025-12-05 v1
摘要
我们提出了 FALCON（FoundAtion-model-guided decoupled LoCO-maNipulation），一个用于移动操作的框架，将模块化扩散策略与视觉语言基础模型作为协调器相结合。我们的方法明确地将移动与操作解耦为两个专门的视觉运动策略，使每个子系统可以依赖各自的观测。这缓解了当单一策略被迫融合来自移动与操作的异构且可能不匹配的观测时出现的性能退化。我们的关键创新在于通过视觉语言基础模型恢复这两个独立策略之间的协调，该模型将全局观测和语言指令编码为共享潜在嵌入，以条件化两个扩散策略。在此基础上，我们引入了一个阶段进度头，利用任务阶段的文本描述来推断离散阶段和连续进度估计，而无需手动阶段标签。为了进一步结构化潜在空间，我们引入了一个协调感知对比损失，明确编码了臂部与基座动作之间的跨子系统兼容性。我们在两个需要导航、精确末端执行器放置和紧密基座-臂协调的挑战性移动操作任务上评估了 FALCON。结果表明，它超越了集中式和分散式基线，同时展现出对分布外场景的改进鲁棒性和泛化能力。
引用
@article{arxiv.2512.04381,
title = {FALCON: Actively Decoupled Visuomotor Policies for Loco-Manipulation with Foundation-Model-Based Coordination},
author = {Chengyang He and Ge Sun and Yue Bai and Junkai Lu and Jiadong Zhao and Guillaume Sartoretti},
journal= {arXiv preprint arXiv:2512.04381},
year = {2025}
}