GauDP：通过扩散策略中的高斯-图像协同重塑多智能体协作
机器人学
2025-11-04 v1
摘要
近年来，具身多智能体系统中的有效协调仍然是一个基本挑战，尤其是在智能体必须平衡个体视角与全局环境感知的场景中。现有方法通常难以平衡细粒度的局部控制与全面的场景理解，导致可扩展性有限和协作质量受损。在本文中，我们提出了 GauDP，一种新颖的高斯-图像协同表示，可促进多智能体协作系统中的可扩展、感知感知的模仿学习。具体来说，GauDP 从分散的 RGB 观测中构建一个全局一致的 3D 高斯场，然后动态地将 3D 高斯属性重新分配到每个智能体的局部视角。这使得所有智能体能够从共享场景表示中自适应地查询任务关键特征，同时保持各自的视角。这种设计在不需额外传感模态（例如 3D 点云）的情况下，实现了细粒度控制和全局一致的行为。我们在 RoboFactory 基准测试上评估了 GauDP，该基准测试包含多种多臂操作任务。我们的方法在性能上优于现有的基于图像的方法，并接近基于点云驱动的方法的有效性，同时随着智能体数量的增加保持了强大的可扩展性。
引用
@article{arxiv.2511.00998,
title = {GauDP: Reinventing Multi-Agent Collaboration through Gaussian-Image Synergy in Diffusion Policies},
author = {Ziye Wang and Li Kang and Yiran Qin and Jiahua Ma and Zhanglin Peng and Lei Bai and Ruimao Zhang},
journal= {arXiv preprint arXiv:2511.00998},
year = {2025}
}
备注
Accepted by NeurIPS 2025. Project page: https://ziyeeee.github.io/gaudp.io/