arXiv cs.RO 机器人学· Fanding Huang, Jingyan Jiang, Shifeng Bao, Mingkang Pu, Shiwei Li, Jing Xu, Shijia Xu, Guanbo Huang, Chenghao Gu, Yuzhi Huang, Chenxin Li, Faisal Nadeem Khan, Huan Yang, Yan Wang, Cheng Chi, Zhi Wang·· 5 小时前精选AI 评分55
ChunkTrust：用动作专家证据自适应调整机器人策略的执行步长
ChunkTrust: Adapting Execution Horizons for Robot Policies with Action-Expert Evidence
AI 导读
论文提出 ChunkTrust，将机器人基础策略的动作块执行步长视为由动作专家证据推断的隐变量，而非固定超参数。其免训练的 Action-aware Horizon Selector（AHS）结合块内生成轨迹的谱稳定性和块间连续性，在线 Beta 后验跟踪步长偏好；可选的 Query-based Horizon Adapter（QHA）在基础策略冻结时学习上下文相关的稠密先验。
推荐理由
论文把执行步数从固定超参改为可推断变量，并给出具体增益数字，便于评估该方法对现有机器人策略的改进幅度。
来源：arXiv cs.RO 机器人学 · arxiv.org