Skill-Aware Diffusion for Generalizable Robotic Manipulation

doi:10.1109/tase.2026.3740160

Skill-Aware Diffusion for Generalizable Robotic Manipulation

2026-10-06

0

PRE

AI

DOI：10.1109/tase.2026.3740160

原文链接

原文求助

摘要

En 中文

机器操作中的鲁棒泛化对于机器人灵活适应多样化环境至关重要。现有方法通常通过缩放数据和网络来提高泛化能力，但独立建模任务并忽略了技能级信息。观察到同一技能内的任务共享相似的运动模式，我们提出技能感知扩散（SADiff），明确融入技能级信息以改善泛化能力。SADiff通过带有可学习技能标记的技能感知编码模块学习技能特定表示，并对技能约束扩散模型进行条件化，以生成以物体为中心的运动流。一种技能检索转换策略进一步利用技能特定轨迹先验来精炼从2D运动流到可执行3D动作的映射。此外，我们介绍了IsaacSkill，一个高保真度数据集，包含基本机器人技能，用于全面评估和模拟到真实世界的转移。模拟和真实世界实验表明，SADiff在各种操作任务中实现了良好的性能和泛化能力。数据集和视频可在https://sites.google.com/view/sa-diff获取。实践者说明——本研究旨在解决现有方法在将机器人操作泛化到多样化环境时容易忽略共享技能级运动模式的问题。所提出的方法引入技能级建模以捕获相关任务中的共享运动模式，提高了对新场景的适应性。通过结合技能感知表示与基于扩散的生成框架，该方法即使在陌生场景中也能生成更一致的运动流。此外，一种技能检索策略进一步增强了运动流与动作之间映射的鲁棒性。我们的方法已通过模拟和真实世界环境中的全面实验得到验证。

Keyword:

Robotic manipulation

motion planning

diffusion model

skill transfer

Skill-Aware Diffusion for Generalizable Robotic Manipulation

摘要

期刊

机构

引用论文