2026年10月23日，Meng Li、Lijiang Chen等研究者在arXiv提交论文《DynaSlots: Slot-Centric 3D Dynamics Pretraining for Robot Manipulation》，提出一种面向机器人操作的三维动态预训练框架。论文原文
这项工作的切入点是：机器人操作通常只会改变场景中的局部物体，例如拿起杯子时，杯子发生位移，但周围环境大体保持不变。研究者认为，传统的场景级动态建模容易把多个物体的变化压缩到同一个全局动作表示中，难以区分不同区域的运动及其相互关系。
DynaSlots不依赖人工标签或动作标注，而是把点云帧分解为少量、随时间保持一致的“槽位”，在槽位层面学习物体状态变化。其组件包括时间槽位传播模块、从特征差异中提取潜在动作的逆动力学模型，以及结合扩散模型的前向动力学模型；后者还通过自监督交互头学习物体之间的接近关系与运动关系。换言之，框架试图让模型重点关注“哪些局部物体在变化、如何变化以及彼此是否存在交互”。
论文摘要称，研究者在Meta-World、Adroit和RealMan RM65-B真实机器人上进行了实验，DynaSlots在仿真任务成功率方面优于场景级基线，并在杂乱场景和未见物体的真实操作中表现出较强鲁棒性。不过，当前信息主要来自arXiv论文摘要和作者报告，尚不足以据此判断其已在广泛真实环境中验证，也不能将实验结果直接外推到所有机器人平台。该工作更值得关注的地方，是把具身学习中的动态表示从整场景压缩进一步转向局部对象和交互关系，这可能为杂乱环境下的操作规划提供一种数据和表示层面的改进路径。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
