标签
ArcFlow 提出一种部署预算感知的训练算法，使单个流策略（flow policy）能在多个求解器步数预算下保持高性能，尤其在一步推理场景中优于五个基线方法。
提出Temporal Flow Policy (TFP)，将物理时间作为机器人策略记忆的缺失维度，使记忆状态随实测时间间隔演化，从而在扩散策略与π₀.₅上实现更准确的时序控制与记忆读出，在LIBERO及真实机器人任务中优于循环与状态空间记忆基线。
本文对生成式行为克隆中的多模态性进行了形式化定义，并通过理论分析以及在 LIBERO、Meta-World 和合成基准上的大量实验发现：常见的仿真基准在很大程度上是单模态的，而简单的确定性动作变换器与扩散、流匹配和 CVAE 等表达能力更强的生成式策略相比仍然具有竞争力。
本文介绍了AALT，一种组成感知的主动模仿学习方法，该方法将示范组织成潜在拓扑，以最大化起始-目标连通性，从而在结构化多任务机器人领域中，以最少的专家查询提高任务成功率。
Khushi 分享了她在 Action Chunking Transformers 和 Diffusion Policy 上的阅读笔记，解释了如何通过动作分块与生成模型（如 VAE 和扩散模型）改进机器人模仿学习，以及如何通过解耦规划与执行来解决推理延迟问题。
Push-Wiper 是一个机器人框架，它将粘性污渍清洁重新定义为一个聚集问题，通过分段推挤轨迹和扩散策略，在不同污渍、表面和几何形状之间实现泛化，清洁评分最高提升 130%，并支持零样本迁移。
DiPOD通过交错自蒸馏与策略梯度更新来稳定扩散策略优化，保持紧凑的ELBO，防止双重漂移现象，在语言和连续控制任务中均能获得更高奖励。
介绍 StereoPolicy 框架，该框架利用同步立体图像对来提升机器人操作策略的几何推理能力，避免了 RGB-D 和点云的脆弱性。它可以集成到基于扩散和视觉-语言-行动的策略中，在仿真和现实任务中均展现出稳定的改进效果。
本文介绍了参数化扩散策略（Parameterized Diffusion Policy, PDP）框架，该框架通过以低维潜在参数为条件，使扩散策略变得可控，从而实现无需重新训练即可进行平滑的行为插值和自适应。在仿真和真实机器人实验中，该方法在复杂的多模态机器人任务上展现了更优的性能。
提出模型基扩散策略优化（MBDPO）框架，该框架通过扩散策略表示统一了世界模型中的搜索与策略优化，在离线与在线强化学习任务中实现一致的扩展行为和卓越性能。
本文介绍了频率引导算子（Frequency Guidance Operator, FGO），一种用于扩散策略的方法，通过引导噪声样本通过中间子频率流形来平滑动作生成，从而提升机器人操作任务的性能。