Act4R：用动作条件4D场景流预测实现免运动学机器人控制

Act4R 作者团队提出一个基于 3D 基础模型的框架，可根据任意给定动作预测机器人的 3D 场景流，并在训练后通过优化动作信号来匹配期望场景流，从而实现逆控制（即免运动学控制）。其 Spatial-Action Encoder 将当前 2D 机器人状态与动作信号编码为表示未来 3D 状态的嵌入，再解码为点图估计动作条件下的场景流，通过空间-动作融合与空间对齐损失引导编码器做未来流预测。 该框架在一个公开真实世界数据集和模拟器采集的合成数据上进行了评测；逆控制的前提是先在某一具身（embodiment）的部分样本上完成训练。

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。