無需明確軌跡：提升 3D 擴散策略前瞻能力的 Movement Trend Guidance
為何重要
這項技術證明瞭擴散模型在不給予明確軌跡的情況下，透過預測「互動的走向」就能大幅提升操作成功率，對於解決高完成度的精準機器人控制具有重要意義。它為 Diffusion Policy 與機器人的結合提供了一個高效能且低違和感的最佳化方向，顯示出純粹的幾何生成能力之外，「資訊性」的前瞻表示的重要性。
針對現有 3D 擴散策略缺乏未來互動預測能力的問題，本文提出 Movement Trend Guidance，透過從短觀測歷史學習互動演化的緊湊潛在表示，讓模型在已知趨勢的條件下生成動作，有效解決了前瞻性不足的問題。
- 該方法僅為基礎模型 DP3 增加 3.52% 的引數量，同時保留了原有的密動作和後向推導架構。
- 關鍵效能提升資料：在 RoboTwin2.0 的 50 任務混合訓練中，成功率從 56.1% 提升至 62.8%；在 LIBERO-40 上，從 37.08% 顯著躍升至 71.93%。
- 在五個真實機器人任務上，達到 72.0% 的成功率，較基準模型的 49.0% 有巨大幅度進步。