丰田研究 negative result：非高斯动作先验无助于微调大行为模型 LBM
_krishna_murthy · x · 2026-09-25
Toyota Research Institute 与 Woven by Toyota、Cornell 的团队发布一项 negative-result 研究《The Gaussian Is Enough》。
- 背景：此前研究发现，在从零训练 diffusion / flow-matching 机器人策略时，把标准高斯先验换成更接近目标分布的动作先验能显著提升性能。团队假设这一收益能迁移到微调预训练的大行为模型（LBM）。
- 结论：并没有。在 3 种 LBM 架构（LBM 1.0、π0.5、GR00T N1.5）、40+ 任务、超 10 万次仿真 rollout 和 1250 次真机 rollout 上，标准高斯先验与更接近目标的先验在统计上无差别甚至更好（仅在极低微调数据比例下可能有例外）。
- 诊断发现：微调性能由观测编码器主导，而非动作先验。
对机器人策略微调实践者是一个“省事”的实证结论：微调 LBM 时不必折腾非高斯先验。
「具身」频道最新
- BracketBot 机器人自主导航至货架执行扫描巡检任务 — broodsugar · 2026-09-25
- 把智能吸顶灯变成家用 AI 摄像头平台的点子引热议 — K-enthusiast24 · 2026-09-25
- Meta 将 Muse 代理装进 AI 眼镜，让界面逐渐消失 — TansuYegen · 2026-09-25
- AI Agent 把 ESP32 开发板变成任意形态：形态即交互提示 — genmon · 2026-09-25
- FANUC 协作机器人用自然语言取件：GR00T 加 Isaac Sim 先仿真后实机 — lukas_m_ziegler · 2026-09-25
- AR 游戏王成真：Snap 智能眼镜上用 AI 实现实体卡牌对战 — TheZachMueller · 2026-09-25