Attention-DP3：透過幾何對齊注意力機制，提升 3D 擴散策略在複雜環境下的機器人操控精準度

Problem

複雜雜亂的操控場景導致 3D 點雲觀測產生歧義，目標物易受遮擋或與干擾物混淆。傳統 3D 擴散策略在場景複雜度增加時，往往無法有效定位與任務相關的關鍵幾何特徵，導致機器人在非結構化環境中的操控穩定性大幅下降。

Method

本研究開發 Attention-DP3 框架，首先對 RGB 影像進行開放詞彙 2D 分割，再利用相機參數將遮罩提升至 3D 空間以獲得物件幾何先驗。核心採用「三場域注意力調節」（Tri-field Attentional Conditioning）技術，構建目標場、目標內顯著場與背景場，藉此鎖定目標、強調關鍵幾何資訊並有效抑制背景雜訊。

Results

在 Adroit、DexArt、MetaWorld 等基準測試及實體機器人 SO101 平台上的實驗證明，Attention-DP3 均達到尖端效能。特別是在干擾物增加的嚴苛條件下，當傳統 DP3 效能劇烈衰退時，本方法仍能保持穩定，成功率領先幅度高達 31%。

Significance

此研究證明了結合物件語義與 3D 幾何引導，能有效克服擴散策略在複雜感知下的脆弱性。這種具備空間物件覺知能力的架構，為機器人於真實世界執行高難度操控任務提供了更強健且具備泛化性的解決方案。