异方差 Student-t 回归追平扩散策略,机器人学习无需生成模型
YouJiacheng · x · 2026-10-15
arXiv 论文《Residual Modeling Closes the Regression and Generative Policy Gap in Robot Learning》(Yuchen Zhou、You Jiacheng、Weikang Wan 等)重新审视了为什么扩散/流匹配策略(MSE 回归之外的生成式策略)在机器人模仿学习中普遍优于直接动作回归。
核心发现
- 常见解释是示教数据的多模态性,但作者从统计建模角度分析动作预测残差,发现真实机器人示教数据中残差幅度存在显著的状态依赖差异,且尾部比高斯分布更重。
- MSE 策略与 Flow 策略虽都有重尾残差,但训练梯度行为不同:MSE 会给大残差观测分配更多梯度量,损害优化。
方法与结果
- 提出 HT-Policies(异方差 Student-t 动作回归):学习输入相关的残差尺度,削弱重尾影响。
- 单次前向推理即可预测动作块,可复用预训练 flow-matching 策略网络作骨干;无需去噪。
- 在 4 个仿真基准与真机评测上,HT-Policies 成功率与生成式策略基线持平(从零训练与预训练微调均有效)。
作者之一 You Jiacheng 评论称,机器人领域的归纳偏置很强,不需要生成模型填补观测与动作之间的差距——简单回归就够了,且推理更快、RL 算法更简单。
「具身」频道最新
- MimicX 用策略执行反馈修正人形训练:跟踪误差降 25.7% — Shuaijun Liu · 2026-10-15
- Gracia 推新世界模型，主打 Real2Sim2Real 与物理 AI — jonstephens85 · 2026-10-15
- Niantic Spatial 借 Pokémon Go 海量影像做出 VPS，日本开发者已复刻原型 — jonstephens85 · 2026-10-15
- RoboParty 发布 RP1:全栈开源人形机器人平台 — GuanyaShi · 2026-10-15
- 港中文等发布 Agentic Robots 综述:模型/数据/环境/框架四大域 17 类全景 — Chonghan Qin · 2026-10-15
- SNU 发布 HumanoidToolBench:18 任务评测人形机器人工具使用,真实 G1 数据 3.1k — snupilab · 2026-10-15