Diffusion Policy 相关 AI 资讯 · AI 热点

8月6日

11:47

11:47

官方账号arXiv cs.LG@Rohit Kumar Salla, Manoj Saravanan, Simon Stepputtis

扩散策略在连续控制中性能出色，但迭代去噪带来高计算成本。POGP框架通过Bellman式递归学习每个中间去噪步骤的前缀值函数。POGP的前缀值函数提供辅助训练目标，并在测试时决定是否提前停止。在MuJoCo的4个环境中与12个基线对比，POGP将所需去噪迭代减少约2.7倍，同时保留近全部任务性能。相比最先进的动态扩散基线，前缀训练还使最终任务性能提升约3.5%。

AI模型 POGP Diffusion Policy MuJoCo

推荐理由：POGP能在保持性能的同时把去噪步数砍掉近三分之二，还比现有动态扩散方法更准，做连续控制的可以看看。

7月2日

10:11

10:11

官方账号arXiv cs.AI@Haoran Hao, Shahram Najam Syed, Jeffrey Ichnowski, Jeff Schneider

FAR（Failure-Aware Retry）是一种让机器人在真实环境中从失败中学习的框架。它通过失败对比偏好适应（Failure-Contrastive Preference Adaptation）从失败数据中构造偏好学习，引导策略避开先前失败行为。在重试期间加入轻量动作扰动促进局部探索。在仿真和真实操作任务中，FAR相比标准Diffusion Policy平均成功率提升17.6%（仿真）和11.7%（真实）。在持续策略改进中，FAR通过利用信息性失败案例显著提升数据效率。

论文 FAR Failure-Aware Retry Diffusion Policy

推荐理由：机器人老是失败？试试FAR，它让机器人从失败自学习，不用人管。仿真和真实环境都提升10%以上。