通过自适应工作记忆重编码解决机器人操作中的状态歧义
机器人学
2026-01-01 v1
摘要
状态歧义在机器人操作中很常见。相同的观测可能对应多个有效的行为轨迹。视觉运动策略必须正确地从历史中提取适当类型和层次的信息，以识别当前的任务阶段。然而，简单地扩展历史窗口计算代价高昂，并可能导致严重的过拟合。受人类推理的连续性特性和工作记忆重编码的启发，我们引入了 PAM，一种配备自适应工作记忆的新型视觉运动策略。通过两阶段方式以极少的额外训练成本，PAM 支持 300 帧的历史窗口，同时保持高推理速度。具体来说，一个分层帧特征提取器为运动基元和时序消歧产生两种不同的表示。为了紧凑表示，采用带有范围特定查询的上下文路由器，在多个历史长度上生成紧凑的上下文特征。并引入一个重建历史信息的辅助目标，以确保上下文路由器充当有效的瓶颈。我们精心设计了 7 个任务，并验证了 PAM 可以同时处理多种状态歧义场景。在约 10 秒的历史窗口下，PAM 仍支持稳定训练，并保持 20Hz 以上的推理速度。项目网站：https://tinda24.github.io/pam/
引用
@article{arxiv.2512.24638,
title = {Resolving State Ambiguity in Robot Manipulation via Adaptive Working Memory Recoding},
author = {Qingda Hu and Ziheng Qiu and Zijun Xu and Kaizhao Zhang and Xizhou Bu and Zuolei Sun and Bo Zhang and Jieru Zhao and Zhongxue Gan and Wenchao Ding},
journal= {arXiv preprint arXiv:2512.24638},
year = {2026}
}