差分放大器启发的AmpAttention用于多视角机器人操作
该研究提出一种受模拟电路差分放大器启发的注意力机制AmpAttention，旨在抑制多视角机器人操控中的注意力漂移。基于此的RVAF模型在18个RLBench任务（249种变体）上达到最优平均成功率，同时训练时间减少33.3%。扩展版本RVAF++结合SAM2图像编码器，在高精度任务中表现突出，例如“插入销钉”任务成功率达91%。论文已被IROS2026接收。
近日，来自研究团队的一项新工作提出了一种名为AmpAttention的注意力机制，该机制受模拟电路中的差分放大器启发，旨在解决多视角机器人操控中常见的注意力漂移问题。该成果已被国际机器人领域顶级会议IROS2026接收，并已在arXiv上公开。
多视角机器人操控方法近年来取得了显著进展，但由于机器人视角图像固有的冗余性、遮挡以及视角依赖性，注意力机制容易出现漂移，导致性能下降。为此，研究者从差分放大器中汲取灵感，设计了AmpAttention。差分放大器能够有效抑制共模噪声，提取差分信号，类似地，AmpAttention旨在抑制注意力噪声，捕获高信噪比的信号，从而实现更可靠的感知。
基于AmpAttention，团队进一步提出了RVAF（Robust View Attention Fusion）模型，该模型整合了任务引导的视角内和视角间AmpAttention。RVAF的核心思想是通过差分放大的原理，在注意力计算中消除共同的噪声成分，保留与任务相关的差异化特征。实验结果表明，与以往最先进的方法相比，RVAF在RLBench基准的18个任务（共249种变体）上实现了最佳平均成功率，同时将训练时间缩短了33.3%。此外，RVAF在现实世界的高精度任务中也展现出强大潜力，例如成功拾起飞镖并准确插入红色靶心。
为了进一步提升高精度任务的表现，研究者将RVAF扩展为RVAF++，引入了SAM2图像编码器。SAM2作为先进的语义分割模型，能够提供更精细的视觉特征，从而帮助模型在高精度操作中更准确地定位目标。RVAF++在“插入销钉”这一典型高精度任务上取得了91%的成功率，相比基线方法有显著提升。论文的定性结果已发布在匿名项目网站上，展示了模型在多种任务中的表现。
该研究为多视角机器人操控中的注意力机制设计提供了新思路，未来有望在更广泛的机器人操作场景中得到应用。研究者表示，将进一步探索AmpAttention在其他视觉任务中的潜力。