HT-Policy 挑战扩散策略范式:多模态并非模仿学习优势真因

chris_j_paxton · x · 2026-11-18

机器人学习领域流行观点认为扩散/流匹配策略优于直接回归,是因为更好支持数据多模态。但研究者 Yuchen 与 Maojiaoyuan 提出,真实优势更可能来自「状态相关的方差」和比常规划设更重的长尾高斯「尾巴」,而实际机器人数据中几乎要完全去除多模态才能取得好效果——与传统解释相悖。

他们提出 HT-Policy:学习一个依赖输入的残差尺度,用它降低长尾数据样本的影响,使普通回归策略也能与流匹配策略竞争,同时训练更快、推理更简单。Chris Paxton 推荐了相关播客讨论,称其对机器人学习理论的解释非常有趣。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →