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：0.7%参数量反超7B VLA模型(5 条相关)→
「具身」频道最新
- ROS 社区迎来新项目负责人 ahcorde，规划 2027 版本 — ___Mufasaa · 2026-10-27
- ROS 社区 10 月 29 日在谷歌纽约办 Meetup，三家公司机器人团队将分享 — kscottz · 2026-10-27
- Tesla 休斯顿 robotaxi 服务区大幅扩张，覆盖范围远超旧围栏 — Polymarket · 2026-10-27
- Walden Robotics 教机器人『呼叫求助』，用远程辅助换取快速部署 — adnothing · 2026-10-27
- 折叠屏铰链由数十个高精度零件构成，一粒沙即可毁掉屏幕 — BenBajarin · 2026-10-27
- 不改一个权重，机器人精度任务从 0/10 提到 9/10 — hbouammar · 2026-10-27