Rumore progressivo allineato all’esecuzione per una ripianificazione asincrona coerente nelle politiche generative per robot

Abstract degli autori

La ripianificazione asincrona continua è essenziale per le politiche generative per robot che operano in tempo reale, ma l’inizializzazione stocastica indipendente può causare passaggi da una modalità all’altra e una prosecuzione incoerente tra segmenti di azioni. Proponiamo Execution-Aligned Progressive Noise (EAPN), che introduce una componente stocastica strutturata sia tra i segmenti sia al loro interno. Tra un passaggio di ripianificazione e l’altro, EAPN propaga una traiettoria di rumore condivisa e la allinea allo spostamento effettivo dell’esecuzione, stabilendo una correlazione tra segmenti allineata all’esecuzione. All’interno di ogni segmento di azioni, modella la correlazione temporale lungo la sequenza delle azioni. La storia stocastica allineata viene inoltre combinata con il contesto delle azioni già fissate per condizionare la generazione successiva, consentendo ai nuovi segmenti di proseguire da stati generativi coerenti con l’esecuzione anziché ripartire da un rumore indipendente. Valutiamo EAPN su D3IL, Kinetix, LIBERO e compiti di manipolazione nel mondo reale. EAPN migliora la coerenza del comportamento multimodale su D3IL e raggiunge un tasso di successo medio dell’88,59% su Kinetix. Su LIBERO rimane robusto e mantiene prestazioni elevate nei compiti anche con lunghi ritardi nell’inferenza. Gli esperimenti su robot reali raggiungono inoltre un tasso di successo del 90,0% in Object Storage e del 96,7% in Cloth Folding bimanuale, dimostrando un’esecuzione continua affidabile con ripianificazione asincrona.