新智元报道
编辑：LRST
美国东北大学和波士顿动力 RAI 团队提出 HEP 框架，首创「坐标系转移接口」，将高层策略的泛化能力与低层策略的灵活性无缝耦合，实现「少数据」下的高效学习与强泛化。该框架通过分层结构、空间对称性自然泛化和创新型体素编码器，显著提升机器人在复杂任务中的表现。
在机器人智能操作领域，数据稀缺和泛化难题长期困扰着 AI 的落地应用。
大多数方法或依赖大量数据，或在环境稍有变化时表现失灵。
如何让 AI 像人一样，仅凭少量演示，就能稳健适应复杂多变的真实场景？
美国东北大学和波士顿动力 RAI 团队的研究人员提出 HEP（Hierarchical Equivariant Policy via Frame Transfer）框架，首创「坐标系转移接口」，将高层策略的泛化能力与低层策略的灵活性无缝耦合，实现「少数据」下的高效学习与强泛化。
论文地址：https://openreview.net/pdf?id=nAv5ketrHq
项目代码：https://codemasterzhao.github.io/HierEquiPo.github.io/
坐标系转移接口实现了高层泛化能力与低层灵活性的无缝融合，为机器人少样本、高鲁棒、多场景泛化部署开辟了全新路径。
主要贡献
1. 极简高效的分层结构——高层模块负责全局子目标（keypose）预测，低层模块基于局部坐标自主优化轨迹；
2. 空间对称性自然泛化——在T(3)（平移）与 SO (2)（平面旋转）群下均保持等变性，显著降低对示例数量的依赖；
3. 创新型体素编码器——采用堆叠体素（Stacked Voxel）+SO (2) 等变网络，高效编码三维视觉信息，兼顾细节与计算速度。
方法概述
HEP 框架由三部分组成：
1. 高层策略：它首先读取机器人感知到的三维点云信息，然后预测出一个粗略的目标位置，也就是「关键姿态」。
2. 坐标系转移接口：接着，它会把全局点云和上述关键姿态一起，转换到一个以关键姿态为中心的局部坐标系里，让后续处理都基于这个「局部视角」进行。
3. 低层策略：最后，低层策略在这个局部坐标系中，通过对体素化后的三维视觉特征进行等变扩散运算，生成连续、精细的机器人动作轨迹
开放/闭环兼容：同一接口支持一次性输出（Open‑loop）与逐步反馈（Closed‑loop）两种控制模式；
轻量高效：高层仅需预测平移向量，降低计算与学习难度，增强泛化性；低层专注细节，通过坐标系转移接口从高层强化泛化性。
核心创新点
坐标系转移接口（Frame Transfer）
设计思路：高层策略给出任务的「参考坐标」，低层策略在此基础上自主优化执行细节。
这样的设计不仅释放了低层的灵活性，也将高层的泛化能力、抗干扰性自洽地传递到底层，实现了「泛化性与鲁棒性」的一体式提升。
优势包括：
灵活性，低层可在局部坐标系内自主调整执行细节；
泛化性，高层对全局变换的适应能力，通过坐标系转移接口无损传递到低层；
简化高层，只需预测平移，避免在高维 SE (3) 空间中做精确规划。
T(3) 与 SO (2) 等变性的实现
T (3) 等变示意图
SO (2) 等变示意图
当旋转和沿 xyz 轴的平移发生时，模型预测的轨迹也能确保发生相应的平移和旋转
高层：使用 SO (2)‑等变 3D U-Net 对离散化平移概率图进行预测，因此拥有 SO (2)‑等变性和T(3) 等变性
低层：基于堆叠体素编码器提取局部特征，结合 SO (2)‑等变扩散策略，因此拥有 SO (2) 等变性
系统：在论文附录中给出完整的等变性证明（Proposition 4.2&4.3）通过坐标系转换，SO (2) 等变性被保存，T(3) 等变性可以从高层传递到低层，使得整个系统拥有 SO (2) XT (3) 的等变性
创新型体素编码器（Stacked Voxel Representation）级
原理：将点云按体素网格分组，以等变 PointNet 聚合每个体素内点的特征，组成c×D×H×W的等变体素图。
优势包括：
细节保留，相比传统下采样，更好保留局部几何信息；
计算友好，点云‑卷积混合结构，平衡速度与精度；
等变性，理论保证在T(3)×SO (2) 变换下保持一致性。
仿真实验
数据集：30 个 RLBench 任务，每个任务用 100 条演示训练。
对比基线：3D Diffuser Actor、Chained Diffuser、Equivariant Diffusion Policy。
开环结果：HEP 在 30 任务中有 28 项胜出，平均提升 +10%。
闭环结果：在 10 个长程任务上，HEP 平均提升 +23%，显著优于单级方法。
消融分析
去除等变结构：性能降 24%；
去除坐标系转移：性能降 16%；
去除堆叠体素：性能降 10%；
充分验证各模块贡献。
真实机器人实验
分层策略在复杂长程任务上优势显著
在真实机器人上，HEP 分层框架仅用 30 条演示数据，就学会了包括移锅盖、加清洁剂、擦洗等多步协作的鲁棒「洗锅」任务，明显优于非分层方法。
坐标系转移接口：泛化性与鲁棒性的传递桥梁
理论保障：证明了坐标系转移接口能将高层对空间变化的适应能力无损传递至低层，策略整体更易扩展至新场景。
在 Pick&Place 任务上，HEP 仅凭一次演示，低层扩散模型即可实现1-shot 泛化学习，显著提升了数据效率。
在环境变化和引入无关物体的扰动测试下，HEP 成功率较传统方法提升高达 60%。
接口设计带来未来扩展可能
坐标系转移接口对低层策略仅施加软约束，这不仅保证了灵活性，也为未来引入 VLM 或 Cross-embodiment 等多模态、跨平台高层策略作为决策规划器提供了天然接口。
参考资料：
