arXiv cs.RO 机器人学· Yushen Liang, Yue Peng, Baosheng Jin, Tianluo Zhang, Xinyu Zhang, Shuyi Zhou, Zhuoran Chen, Xinqi Liu, Shenji Wan·· 2 小时前精选AI 评分56
论文提出 Temporal Flow Policy 将物理时间纳入机器人策略记忆演化
Physical Time as a Missing Dimension of Robot Policy Memory Dynamics
AI 导读
论文提出 Temporal Flow Policy（TFP），让策略记忆状态按实测时间间隔演化，而非把每次观测更新默认为等长物理时间。TFP 以记忆状态条件化 diffusion 与 flow-matching 策略，并用其原生模仿目标训练，在 Diffusion Policy 和 π0.5 上与循环记忆、状态空间记忆及把时间区间喂给学习门控的变体做对照，取得更高平均成功率。
推荐理由
论文指出策略记忆缺失物理时间维度，并给出对照实验说明时间区间与历史保留共同决定时序行为。
来源：arXiv cs.RO 机器人学 · arxiv.org