Patch Policy 保留密集空间细节做机器人操控
chris_j_paxton · x · 2026-07-23
Patch Policy：把空间细节保留下来做机器人操控
这篇工作指出，很多视觉运动策略要么把整帧压成一个向量，丢掉了精细空间信息；要么从头训练视觉骨干，放弃了大规模预训练的收益。Patch Policy 的思路是直接保留 ViT 产生的密集 patch 特征，用于操控策略学习。
主要方法
- 将多视角观测编码为密集 patch token。
- 可选地拼接目标图像或目标向量作为条件。
- 采用 block-causal attention mask：帧内全注意力、帧间因果约束。
- 由每帧最后一个 patch token 预测动作。
价值
- 更好保留精细空间信息，适合精密操控。
- 兼顾大模型视觉预训练的收益。
- 仍可与常规 transformer policy head 兼容。
配图还展示了该方法在不同策略头上的实验形式，以及它在保持反应速度的同时提升专长分数恢复的效果。
所属事件:Patch Policy 保留空间细节提升机器人精细操控(2 条相关)→
「具身」频道最新
- 机器人论文称 VLA 和 world model 还不够 — hbouammar · 2026-07-23
- 特斯拉活跃 FSD 订阅用户达 148 万，同比大增 56% — Polymarket · 2026-07-23
- Travis Kalanick 说自己 8 年隐身押注工业 AI 和机器人 — a16z · 2026-07-23
- NASA 给 Motiv Space Systems 机器人合同追加 120 万美元 — BrettKrieger12 · 2026-07-23
- SIGGRAPH 2026 方法把 3D 物体变成多点触控传感器 — cholz · 2026-07-23
- REK Tokyo 把“游戏皮肤”做成了现实机器人外甲 — cixliv · 2026-07-23