GeoHAT移动操作扩散策略论文发布

Xiangyu Zhu 等作者发布 GeoHAT，一个面向移动操作的端到端扩散策略框架。它用轻量 Fourier 空间编码器把逐像素三维坐标映射为几何 token，再按深度有效性门控注入视觉基础模型特征，无需额外 3D 视觉骨干。 作者报告，在 ManiSkill-HAB 仿真基准上，GeoHAT 平均成功率为 79.2%，比最强基线高 23.6 个百分点；在多项真实世界任务上，相对所有基线也有一致提升。这些结果均为论文作者自述。

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。