东南大学 LeaP:可学习源先验让机器人操作成功率提升 25.5 个百分点
机器之心 · wechat · 2026-10-03
东南大学魏秀参团队提出 LeaP(Learnable source Prior),被 CoRL 2026 接收。方法针对生成式机器人策略(扩散/流匹配)都从标准高斯出发的问题,用本体感知信息驱动的轻量 MLP 先验头(仅约 0.21M 参数)联合预测源高斯分布的均值与状态自适应方差,为动作生成提供可学习的随机初始化。在 RoboTwin 15 项双臂操作任务上平均成功率达 81.6%,较标准高斯基线提升 25.5 个百分点;在 Franka 真机三项任务上平均 80.0%,领先 A2A、VITA 等基线。消融实验显示:先验只用本体感知优于引入视觉;联合学习均值与自适应方差(85.3%)明显优于仅用均值(78.0%)或加固定噪声(62.7%);显式的似然与对比监督均带来互补收益。该先验还可跨生成器复用,接入流匹配与扩散桥均有提升,代码已开源。
「具身」频道最新
- ETH 机器人 Anymal 阿尔卑斯山完成 10 公里全自主徒步 — ChongZzZhang · 2026-11-19
- iFixit 拆解苹果 HomeView:满机胶水,维修难度劝退 — Resident-Fall4351 · 2026-11-19
- 移除人类视频后机器人OOD成功率从60%暴跌至7%,泛化全靠人类视频 — gui_penedo · 2026-11-19
- 假肢公司 PSYONIC 的机械手被 90+ 机器人机构采用 — DhowCIO · 2026-11-19
- 仿真器误设导致过度自信:SPEED+ 基准上的sim2real方向性稳健性研究 — Nikolay Dolgov · 2026-11-19
- Doppel 世界模型:先渲染机器人身体,一个模型通吃 8 种具身 — mangahomanga · 2026-11-19