arXiv cs.RO 机器人学· Youngjoon Jeong, Jihwan Yu, Minsoo Jo, Junha Chun, Taesup Kim·· 2 小时前精选AI 评分55
PoLAR：在隐式动作中分解变化幅度与模式的机器人策略学习方法
PoLAR: Factorizing Extent and Mode in Latent Actions for Robot Policy Learning
AI 导读
CoRL 2026 接收的论文提出 PoLAR，为隐式动作空间引入径向结构，用半径编码状态转移幅度、方向保留转移模式，并以观测间时间偏移作为幅度的弱代理。该结构实现在双曲空间中，其随半径扩大的体积可容纳更多样的转移模式；在任务内与大规模预训练设置下，PoLAR 在仿真和真实机器人实验中提升了下游策略表现，超过隐式动作基线和强预训练 VLA。
推荐理由
论文指出用观测对视觉重建的隐式方法缺少结构约束，并给出以时间偏移代理变化幅度的具体做法，可迁移。
来源：arXiv cs.RO 机器人学 · arxiv.org