본 논문은 시각 운동 정책 학습에서 시각적 지각과 행동 예측 간의 중요한 상호작용을 명시적으로 통합하는 새로운 프레임워크인 삼중 계층 확산 정책(Triply-Hierarchical Diffusion Policy, H³DP)을 제안합니다. H³DP는 심도 정보 기반의 RGB-D 관측 정리, 다양한 수준의 세분성을 가진 의미적 특징을 인코딩하는 다중 스케일 시각 표현, 그리고 조잡한 것부터 미세한 것까지의 행동 생성을 해당 시각적 특징과 정렬하는 계층적으로 조건화된 확산 과정이라는 세 가지 계층적 구조를 포함합니다. 44개의 시뮬레이션 작업에서 기준 모델보다 평균 27.5% 향상된 성능을 보였으며, 4개의 어려운 양손 조작 실제 작업에서도 우수한 성능을 달성했습니다.
