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。