PACE框架跨具身操作成功率超93%

Shaocheng Liu 等研究者提出两阶段集体学习框架 PACE，用于多机器人统一操作，在仿真评测中取得超过 93% 的总体成功率，在动态分布外的零样本仿真机器人上达到 89%，高于 Transformer 行为克隆（82%）和扩散策略基线（66%）；论文已被 IROS 2026 接收，研究者称在实体 KUKA 机器人上的部署进一步验证了全状态流水线在零样本 sim-to-real 迁移下的可行性。 PACE 将共享任务空间意图与本体相关的转移动力学分离，以缓解多机器人本体集体学习中动作模式不兼容导致的策略歧义与性能崩溃：第一阶段用离线轨迹预训练的表示层提取任务级上下文，第二阶段引入带预测动力学适配器的决策层，通过让隐状态预测未来转移来约束策略。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。