M4Diffuser：具有可操控性感知控制的多视角扩散策略，用于稳健的移动操作

于红博

摘要: 移动操作需要协调控制移动基座和机械臂，同时感知全局场景背景和细粒度物体细节。现有的单视角方法经常在非结构化环境中失败，原因是视野有限、探索和泛化能力有限。此外，尽管经典控制器稳定，但在奇异点附近的效率和可操作性仍有困难。为了解决这些挑战，我们提出了M4Diffuser，这是一个集成了多视角扩散策略和一种新颖的减少和可操作性感知QP（ReM-QP）控制器的混合框架，用于移动操作。扩散策略利用自体状态和互补摄像机视角，既包括近距离物体细节又包括全局场景背景，以在世界框架中生成任务相关的末端效应器目标。然后，这些高级目标由ReM-QP控制器执行，该控制器消除了用于计算效率的松弛变量，并融入了在奇异点附近的可操作性感知偏好，以实现稳健性。在仿真和现实环境中的全面实验表明，M4Diffuser相对于基线实现了7至56％更高的成功率，并将碰撞减少了3至31％。我们的方法展示了对平滑全身协调的稳健性能，以及对未见任务的强大泛化能力，为在非结构化环境中可靠地进行移动操作铺平了道路。演示和补充材料的详细信息可在我们的项目网站https://sites.google.com/view/m4diffuser 上找到。

更新时间: 2025-09-18 14:09:53

领域: cs.RO,cs.AI,cs.CV

下载: http://arxiv.org/abs/2509.14980v1