论文页面 - πR^2: 响应式实时流策略

来源：https://huggingface.co/papers/2607.26055

摘要

通用操作策略日益采用基于大型预训练骨干构建的动作分块流策略。此类分块以开环方式运行，因此策略无法响应执行中途到达的感知输入，牺牲了响应性。更频繁地重新规划可以恢复响应性，但感知-动作流水线（大型骨干加上多个去噪步骤）速度过慢：这种延迟禁止频繁重规划，导致已执行的动作过时，使得此类策略不适用于动态闭环控制。我们提出 πR^2，使这些策略既具响应性又具实时性，同时保留大型骨干、富有表现力的多模态策略以及多动作预测。基于扩散强制的逐位置噪声调度，πR^2 贡献了两个想法。首先，它将条件输入分为快速通道（本体感觉，每 tick 刷新）和异步更新的慢速通道（视觉-语言特征），从而使策略能在分块内对本体感觉作出响应，同时容忍过时的视觉信息。其次，一种延迟自适应流调度将在执行中的动作视为修复条件，并在每次调用时通过一个去噪步骤发射动作，使单个训练模型能适应不同的硬件延迟。πR^2 需要对现有架构进行最小改动，可从预训练策略微调得到：应用于真实 xArm6 + XHand 平台上的 GR00T-N1.7，它基本策略以约 4 倍的频率进行闭环重规划（A5000 GPU 上约 25Hz），每 40ms 对新鲜观测作出响应。在仿真和真实世界操作任务中，πR^2 相比最强基线在仿真中成功率提升高达 23%，在真实世界中提升高达 30%。项目页面：https://pi-r2-flow.github.io/

查看 arXiv 页面 (https://arxiv.org/abs/2607.26055)查看 PDF (https://arxiv.org/pdf/2607.26055)项目页面 (https://pi-r2-flow.github.io/)GitHub12 (https://github.com/pi-r2-flow/pi-r2-flow)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.26055)

在您的 agent 中获取此论文：

hf papers read 2607.26055

没有最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2607.26055 即可从此页面链接。

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.26055 即可从此页面链接。

引用此论文的 Space0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2607.26055 即可从此页面链接。

包含此论文的集合0

无集合包含此论文

将此论文添加到集合 (https://huggingface.co/new-collection) 即可从此页面链接。