arXiv · 机器人与计算机视觉· Youngjoon Jeong, Jihwan Yu, Minsoo Jo, Junha Chun, Taesup Kim·· 2026-10-15AI 评分73
PoLAR:通过分解潜在动作的幅度与模式提升机器人策略学习性能
PoLAR: Factorizing Extent and Mode in Latent Actions for Robot Policy Learning
AI 导读
论文提出 PoLAR(Polar Latent Actions with Radial structure),该方法将潜在动作空间映射到双曲空间,利用径向结构分别编码状态转移的幅度(extent)和模式(mode)。研究在跨任务及大规模预训练设置下验证了该方法的有效性,结果显示其在仿真环境和真实机器人实验中均能提升下游策略性能,并优于现有的潜在动作基线及强预训练的视觉语言动作模型。
来源:arXiv · 机器人与计算机视觉 · arxiv.org