异步多模态扩散策略组合：通过延迟感知的引导融合

LAG-Fusion框架允许机器人模仿学习中多模态扩散策略以异步方式组合，它不要求各模态同步融合，而是让每个模态的策略按自身推理速率运行，并在数据可用时贡献去噪引导。实验在接触丰富操控任务中，将低频视觉策略与高频力觉策略组合，结果显示相比同步融合和手动基线策略，LAG-Fusion提升了策略响应性和任务成功率。

此前多模态扩散策略主要采用同步融合或手动设计的多频率架构，导致高频反馈被拖慢或难以扩展新模态。LAG-Fusion允许各模态以原生频率异步运行，解决了这一矛盾，使得机器人可灵活结合不同速率的信息源，提高实时操控性能。

LAG-Fusion为每个模态维护独立的扩散策略，当某个模态的引导数据因延迟而到达时，通过参考帧重基规则将延迟引导对齐到当前去噪阶段，再融合进整体去噪过程。这样既保留了各模态的独立推理速率，又实现了一致的异步组合。

对机器人产品而言，该框架使开发者能轻松整合视觉、力觉、触觉等不同速率传感器，无需牺牲高频反馈速度。产品在精细装配、抓取等接触丰富任务中的操控精度和响应性将提升，同时多模态系统复杂度降低。

• 开发集成视觉与力觉传感器的机器人操控系统，利用LAG-Fusion异步融合提升精细装配任务的性能。
• 为ROS等机器人中间件提供LAG-Fusion实现，简化多传感器机器人策略开发。
• 在仿人机器人手部操控中引入触觉模态，通过异步融合提高动态抓取适应性。

• LAG-Fusion在更多模态（如听觉、深度图像）组合上的泛化性能如何？
• 参考帧重基规则在非接触式动态环境（如移动操作）中是否稳定？
• 该方法对计算资源的要求是否会影响在边缘机器人上的部署可行性？