Falcon：通过部分去噪实现快速视觉-运动策略
机器人学
2025-06-03 v2
摘要
扩散策略在复杂的视觉-运动任务中广泛采用，因为能够捕捉多模态动作分布。然而，动作生成所需的多次采样步骤显著损害了实时推理效率，这限制了其在实时决策情境中的应用。现有的加速技术要么需要重新训练，要么在低采样步骤下会降低性能。本文提出了 Falcon，通过重用历史信息中部分去噪的动作来缓解这种速度-性能权衡并实现进一步加速。核心思想是视觉-运动任务在动作之间存在顺序依赖性。Falcon 利用此特性，通过重用历史部分去噪的动作来实现加速。通过整合当前观察，Falcon 在保持性能的同时减少采样步骤。重要的是，Falcon 是一种无需训练的算法，可作为插件应用于现有加速技术之上，以进一步提高决策效率。我们在 48 个模拟环境和 2 个真实机器人实验中验证了 Falcon，显示出 2-7 倍的加速，同时几乎没有性能下降，为高效视觉-运动策略设计提供了有前景的方向。
引用
@article{arxiv.2503.00339,
title = {Falcon: Fast Visuomotor Policies via Partial Denoising},
author = {Haojun Chen and Minghao Liu and Chengdong Ma and Xiaojian Ma and Zailin Ma and Huimin Wu and Yuanpei Chen and Yifan Zhong and Mingzhi Wang and Qing Li and Yaodong Yang},
journal= {arXiv preprint arXiv:2503.00339},
year = {2025}
}