Attention-DP3：透過幾何對齊注意力條件化的空間物體感知 3D Diffusion Policy
為何重要
該成果印證了「在複雜環境中整合多模態資訊」對具身智慧的重要性，尤其是在需要精確操作的場景下。對開發者而言，這是一種可遷移的技術路徑，能輕量級地提升現有 Diffusion Policy 在雜訊環境下的魯棒性。對產業趨勢觀察者來說，這反映了開源社群持續在基礎模組最佳化上打破瓶頸，即便硬體門檻未變，單一演算法最佳化在特定垂直領域仍能帶來顯著 Performance（績效）紅利。
針對 3D 點雲在複雜場景中常面臨的區域性遮擋與幾何不明確問題，研究者提出 Attention-DP3 這套方案，透過開放詞彙 2D 分割預測目標並將其提升至 3D 空間，以獲取物體中心的幾何先驗，進而改善 3D Diffusion Policies 的效能。
- 提案維持原始 DP3 backbone 不變，僅透過 Tri-field Attentional Conditioning 注入目標場域與顯著性場域，強調任務相關幾何並抑制背景雜訊。
- 在 Adroit、DexArt、MetaWorld 等基準平臺以及真實世界 SO101 平臺上進行測試，均呈現優於原有 DP3 的表現。
- 實驗結果顯示，當雜訊物體增加時，DP3 續航力驟降，而 Attention-DP3 維持穩定，在重雜訊情況下優異於 DP3 高達 31%。