CTP 单次前向预测多模态动作块:LIBERO 成功率 97.25%,推理延迟降至 76ms
Di Wu · hf · 2026-10-07
提出 Conditional Trajectory Peaks（CTP），一个单次前向的机器人策略框架，联合预测完整动作块候选、概率质量与轨迹尺度，解决多模态模仿学习中同一观测需多样可执行未来、且跨重规划周期行为需一致的问题。
关键组件
- DAPS（Distribution-Aware Peak Specialization）：用轨迹级后验责任和 mass/scale 调制的重叠约束来特化轨迹峰。
- ETBT（Evidence-Gated Trajectory Belief Transport）：通过可交换候选集间的几何对应维持跨块一致性，同时允许当前策略证据覆盖历史约束。
结果
- Push-T 覆盖分 91.40%；D3IL Avoiding/Aligning/Sorting-2 成功率分别 100.0%/79.72%/84.44%。
- LIBERO 平均成功率 97.25%；真实双臂双盘任务保留两种放置模式，50/50 全成功。
- 与 π0.5 相比，瓶子立起与笔放置任务成功率相当，推理延迟从 218.24ms 降至 75.80ms。
「具身」频道最新
- 回望 2023：ACT+ALOHA 开创实体 AI 元年，已成经典节点 — lukas_m_ziegler · 2026-10-07
- EAPN 用执行对齐噪声解决重规划模式切换,双臂叠布成功率 96.7% — Di Wu · 2026-10-07
- 两步流去噪把 VLA 推理从 61.6ms 压到 22ms，实现实时机器人控制 — Di Wu · 2026-10-07
- Magic-W0：结构化世界-动作基础模型，RoboDojo-Sim 拿下 27.1 分 — Xuhua Chen · 2026-10-07
- 机器人仿真器 RaiSim 回归:2.8.0 主打 CPU 高速仿真+照片级渲染 — ChongZzZhang · 2026-10-07
- LiteReality-Agent 升级：图像转 3D 场景可直接进 MuJoCo 仿真 — elliottszwu · 2026-10-07