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 · hf · 2026-10-07
提出 Execution-Aligned Progressive Noise（EAPN），解决实时生成式机器人策略在连续异步重规划中，因独立随机初始化导致的模式切换与动作块间不连续问题。
方法
- 在块间传播共享噪声轨迹并与实际执行位移对齐，建立执行对齐的块间相关性；
- 在动作块内沿动作时间建模时序相关；
- 将对齐后的随机历史与已提交动作上下文一起作为条件，让新动作块从与执行一致的生成状态继续，而非从独立噪声重启。
结果
- D3IL 上改善多模态行为一致性；Kinetix 平均成功率 88.59%。
- LIBERO 上即使长推理延迟仍保持强任务性能。
- 真实机器人：Object Storage 90.0%、双臂叠布 96.7% 成功率，验证异步重规划下的连续执行可靠性。
「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
- 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
- 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 · 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