AFFORD2ACT：稀疏2D关键点驱动机器人操作策略

Anukriti Singh 等提出 AFFORD2ACT 方法，用语言条件可供性模型定位任务相关区域，选出最多15个物体关键点加4个末端执行器关键点，把策略输入压缩到19个2D关键点（38个坐标），再用轻量门控决定执行时关注哪些关键点。 在六个真实机器人操作任务上，该方法优于所评测的 RGB、RGB-D 和稠密可供性行为克隆基线，在留出场景中平均成功率 82%，且在演示数量减少时性能下降更少。把学习式门控换成均匀权重会使成功率从 92% 降到 52%。作者指出该表示依赖可靠的可供性定位与关键点跟踪，对错误掩码、遮挡、跟踪漂移和干扰物仍较敏感。

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。