Where Should Action Generation Begin? A Learnable Source Prior for Generative Robot Policies
Meipo Dai, Qiyuan Zhuang, He-Yang Xu, Ying-Jie Shuai, Yijun Wang, Qi Dou, Xiu-Shen Wei
cs.RO, cs.CV, cs.LG
2026-06-16
LeaP把动作生成起点换成状态条件对角高斯，十五项平均成功率81.6%，比无先验高25.5点，真机80.0%。
扩散策略和 flow matching 策略生成动作，几乎都从标准高斯 N(0, I) 起步。flow matching 学一条速度场，沿直线把源样本运到目标动作。这个起点不含关节角、夹爪和场景，生成器要把无信息噪声运到专家动作附近，积分预算一部分花在搬位置上。
A2A、VITA、BridgePolicy 把源换成观察导出的点估计，不确定性没进模型。A2A 加固定方差噪声后鲁棒性上去、名义分数掉了。动作生成该从哪开始，还没被当成独立设计轴。
LeaP 把 N(0, I) 换成本体感受条件化的对角高斯，定义在整个 action chunk（一次生成的未来 H 步）上。两层 MLP 只吃本体感受 zs（关节角、夹爪等内部状态），输出均值 μ 和 log 方差。H 步共用同一组参数，先验把 chunk 锚在状态相关邻域。采样走重参数化，用标准噪声 ε 变换出可导的 z0。
下游生成器仍吃视觉加状态，网络和求解器都不改。视觉不进先验；融进去会把源样本推离目标动作。
Lflow 回归路径速度 a − z0 并回传到先验。LNLL 把专家动作当对角高斯样本，残差按预测方差加权。Lalign 用 CLIP 式对比损失对齐源样本和配对动作。直接执行 μ，成功率是 0。
RoboTwin 2.0 的 15 个双臂任务，每任务 50 条演示、100 次 rollout、3 个种子。对照为 A2A、VITA、同架构 NoPrior，以及重实现的 BridgePolicy。编码器统一为 DP3 PointNet。
| 方法 | 15 任务平均成功率 |
| LeaP | 81.6±0.4% |
| VITA | 75.1±0.9% |
| A2A | 73.8±2.2% |
| BridgePolicy | 61.4±1.3% |
| NoPrior | 56.1±2.5% |
相对 VITA 高 6.5 个百分点，相对 NoPrior 高 25.5 个百分点。NoPrior 只换源，其余管线相同。
参数 13.22M，先验头 0.21M。A2A 和 VITA 多 28% 参数、分数更低；ACT、DP3、BridgePolicy 骨干大 6 到 20 倍也没追上。open laptop 上 LeaP 1000 epoch 到 91% 并稳住，对照 3000 epoch 仍更低，VITA 从 61% 掉到 35%。
真机 Franka 三任务各 20 次：LeaP 80.0%，A2A 68.3%，VITA 56.7%，NoPrior 46.7%。
消融 3 任务单 seed。只吃本体感受 85.3%，视觉进先验低 15 到 26 点。对角高斯优于只学 μ（78.0%）、MSE（74.7%）、固定 σ=1（62.7%）以及全协方差和 GMM。去 Lalign 或 LNLL 约 74%，都去剩 59.7%。接到 flow matching 47.7%→85.3%，接到 diffusion bridge 68.7%→76.7%；从 N(0, I) 走 bridge 是 0%，这边用 μ 做最小源。
源分布是几乎零改动的轴：生成器和求解器不动，加 0.21M 先验头，仿真和真机都涨，收敛更快。两种生成器都涨。确定点估计已强于标准高斯，同时学均值和状态自适应方差再强一截，固定方差噪声会回退。桌面操作上这是便宜的渐进改进，接到 VLA 或灵巧手前不要默认同样幅度。
对角高斯不建模动作维相关，全协方差试过没有涨点，更省的相关结构还没做。评测停在桌面操作，VLA 和灵巧手没测。消融 3 任务 1 个 seed。BridgePolicy 按论文重实现。Streaming Flow Policy 逐步出动作，没进对照。真机每任务 20 次、没报方差。视觉进先验会推离目标，机制没拆开。15 任务平均标准差很小，单任务不均匀，stack blocks two 上 LeaP 只有 33.7%。