新方法用无标签噪声分配保留多模态动作
热点事件持续更新
新方法用无标签噪声分配保留多模态动作
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Xiao Zhang 等作者提出 Immiscible Diffusion Policy，一种无需标签、只在训练阶段附加的方法，通过动作-噪声分配保留相对独立的噪声到动作路径，不改变策略架构或推理过程，用于缓解扩散策略常坍缩到单一模态的问题。 作者称，在五个仿真和两个真实世界人形操作任务上，该方法将三个双模态任务中非主导模态占比提升 6.0x-14.6x，并在两个四模态任务上恢复了原始策略 rollout 中完全缺失的演示模态。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
Immiscible Diffusion Policy：用无标签噪声分配保留机器人多模态动作报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.LGImmiscible Diffusion Policy：用无标签噪声分配保留机器人多模态动作
针对扩散策略常坍缩到单一模态的问题，研究者提出 Immiscible Diffusion Policy，一种无需标签的训练期插件，通过动作-噪声分配保留相对独立的噪声到动作路径，不改变策略架构或推理过程。在五个仿真和两个真实世界人形操作任务上，该方法将三个双模态任务中非主导模态占比提升 6.0x-14.6x，并在两个四模态任务上恢复了原始策略 rollout 中完全缺失的演示模态。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。