相位条件可供性场提升SE(3)等变策略

2026年10月15日，arXiv Artificial Intelligence 报道一项研究，提出相位条件可供性场（PAF）方法，用于提升 SE(3) 等变视觉运动策略。该研究在观测点云上学习逐点分数，为策略引入局部几何归纳偏置：以分数加权质心作为相位条件锚点，对观测与动作做规范化，并将分数作为逐点特征附加，同时保留策略的全局 SE(3) 等变性。据该报道，在多种空间随机化的 MimicGen 任务上，PAF 持续提升底层策略成功率；在多物体真机任务中优于基线，并在光照变化下保持领先。论文被接收至第10届机器人学习会议（CoRL 2026）。目前仅有这一篇报道，尚无后续跟进或矛盾信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。