操作机器人面临一个时间权衡：它们在接触前需要探索多种接近方案，而一旦接触物体则需在毫秒级内做出反应。FA-RDP 是一种新颖的视觉-力扩散策略，它根据任务阶段在慢速多模态规划与快速单步反应控制之间切换，在真实接触丰富任务上相比强基线取得了 30.0 个百分点的成功率提升。
目录
研究人员构建了什么？
FA-RDP（频自适应反应扩散策略）是一种用于接触丰富操作任务的端到端策略，例如翻转箱子、拨动开关、按压按钮。其核心思想是：机器人不应在整个任务周期内以固定控制频率运行策略。接触前，机器人需要多种可能的接近运动分布以保持无碰撞并选择可行策略。接触后，多样性不再重要，而快速响应力量反馈更为关键。
系统由三个组件构成：一个共享的视觉-力扩散骨干网络，利用频率感知位置编码输出低频和高频动作块；一个学习到的多模态指示器，用于估计当前接触前行为的模糊程度；以及流形一致性蒸馏，将高频采样器压缩为单步推理。同一 Transformer 骨干网络在两种频率下重复使用，无需独立模型。慢-快注意力结构以较低频率处理视觉上下文，以高频处理力反馈，并采用因果掩码防止未来接触信息泄漏到预测中。
关键结果是什么？
在三个真实世界任务（双箱翻转、双开关拨动、双按钮按压）中，FA-RDP 取得了最高的平均成功率，比领先的固定频率基线高出 30.0 个百分点。收益来自于阶段感知策略：该策略保留了接触前多样的动作模式（而视觉和回归基线则崩溃），随后在低多模态接触阶段激活蒸馏后的高频采样器。
组件研究证实了每个设计选择的重要性。移除多模态引导选择并运行固定高频策略会降低成功率，因为机器人失去了接触前的选项。用现有的一步法（MeanFlow 或 Consistency Policy）替换流形一致性蒸馏也会降低性能，表明在机器人动作流形上预测动作块对于稳定的单步控制很重要。在消费级 CPU-GPU 设置下，高频推理延迟低于 30 毫秒，低频推理延迟低于 50 毫秒。
| 报告结果 | 数值 |
|---|---|
| 平均成功率对比领先基线 | +30.0 个百分点 |
| 高频推理延迟 | < 30 毫秒 |
| 低频推理延迟 | < 50 毫秒 |
| 每任务示范次数 | 60 |
| 每任务评估试验次数 | 20 |
FA-RDP 如何工作？
FA-RDP 基于早期视觉-力扩散策略的一致反应扩散推理机制。观测分为慢速标记（携带视觉-本体感觉上下文）和快速标记（携带来自末端执行器传感器的密集力数据）。Transformer 采用因果动作-力掩码，使得每个动作标记仅能关注当前和过去的力标记；这防止网络学习未来接触事件，同时仍允许并行扩散训练。
频率适应本身分为两个阶段训练。阶段 1 训练共享的多频骨干网络，采用频率感知位置编码，使一个网络能够同时预测多步低频动作块和高频动作块。阶段 2 冻结骨干网络，并在校准集上训练一个小型"多模态指示器"头。对于每个校准示例，系统使用不同的扩散噪声多次采样低频策略，并测量采样动作块之间的经验残差。高残差意味着存在许多合理的运动选项；低残差意味着接触阶段已缩小解空间。部署时，指示器读取当前慢速标记并应用固定阈值来决定使用低频采样器还是高频蒸馏采样器。
由于高频采样器仍需要多步去噪，作者通过流形一致性蒸馏对其进行压缩。网络被重新参数化以直接在机器人动作流形上预测动作块，同时保留基于 DDPM 的残差监督，而不是预测类似噪声的 epsilon、分数或速度目标。这使得单步推理足够稳定，以实现力响应控制。此外，共享的 100 Hz 命令层对策略输出进行插值，并在目标到达 Flexiv 笛卡尔运动-力接口之前根据最新测量的外力调整每个命令。
这对机器人技术为何重要？
接触丰富操作是许多机器人部署仍然失败的领域。装配、开关操作、插头插入和按钮驱动都要求机器人先推理多种可能的接近路径，然后一旦接触，突然切换到刚性反应模式。FA-RDP 的相位感知控制可以使这些系统更可靠，而无需更重的计算或更快的执行器。
频率自适应设计还提出了一种实用模式：将推理预算花在高模糊度的地方，仅在任务需要快速闭环响应时使用蒸馏的单步推理。这种模式直接适用于集成生产线上的机械臂、操作物体的人形平台，以及执行结构化任务的仓库机器人。对于选择硬件的团队，浏览 Robot Overflow 上的人形机器人和二手工业机器人越来越需要这种力感知、相位自适应的控制来处理真实接触任务。
局限性和开放问题是什么？
FA-RDP 在三个任务上进行了测试，每个任务只有 60 个示范，多模态指示器依赖于在校准集上调优的固定阈值。切换任务、物体或控制器增益时，该阈值可能需要重新调优。评估还使用简化的控制层：100 Hz 力补偿处理平移，但旋转接触误差未明确纠正。
论文未解决频率适应是否能扩展到更丰富的 6-DOF 接触任务、更长的任务周期或从仿真到现实的迁移，以及阈值是否可以在线学习而非固定。在计算预算更严格的边缘机器人平台上部署该策略仍需验证。
常见问题解答
为什么固定控制频率对接触丰富操作是个问题？
机器人需要在接触前拥有广泛的可能运动以处理模糊性，但接触后需要快速、平滑的反应。单一固定频率会牺牲这两种模式之一。
多模态指示器如何决定使用哪个采样器？
它是一个在校准集上训练的小型头。它使用不同的噪声多次采样低频策略，并测量预测动作块的变化程度；高方差意味着高多模态，保持慢速采样器激活。
什么是流形一致性蒸馏？
这是一种蒸馏方法，将扩散网络重新参数化以直接在机器人动作流形上预测动作块，而不是预测类似噪声的目标。这允许在使用 DDPM 残差监督的情况下实现稳定的单步高频推理。
FA-RDP 需要单独的模型用于慢速和快速控制吗？
不需要。使用频率感知位置编码，单个视觉-力扩散骨干网络在频率间共享，因此一个网络同时预测低频和高频动作块。
结论
FA-RDP 表明，采样速度和策略应随操作阶段而变化，而不是保持不变。通过保留多模态接触前规划，并在接触时切换到蒸馏的单步反应控制，它在真实机器人上取得了显著的成功提升。多样性和反应性的结合正是接触丰富任务所需要的。
机器人策略是否应该在任务中途调整推理速度，还是硬件应该更快？