跳到正文
arXiv · 机器人与计算机视觉· Alec Laprevotte, Haonan Chen, Xiaoshen Han, Yilun Du·· 29 天前AI 评分36

Learning to Be Different:组件专业化提升组合扩散策略的多任务机器人学习性能

Learning to Be Different: Component Specialization for Compositional Diffusion Policies

AI 导读

针对现有扩散策略训练目标未鼓励因子专业化导致预测平均化的问题,研究提出一种基于投影组合理论的 drop-in score-decorrelation 辅助损失。该方法通过直接惩罚组件噪声预测间的重叠,在几乎无架构改动或计算开销的情况下,显著降低了组件间的双重计数并改善了任务分解。实验表明,该策略在多基准测试中实现了行为上有意义的专业化,同时保持了多任务性能不下降。

来源:arXiv · 机器人与计算机视觉 · arxiv.org