EqC：用能量景观判断机器人策略能力边界

Haodong Yang 等研究者提出 Equilibrium Energy Control（EqC）框架，用于内省式终身机器人学习：它以显式条件能量景观把生成式动作细化建模为平衡寻优，并用细化过程的几何特征判断当前行为是否与已学习的景观一致。 论文称 EqC 可接入 Diffusion Transformer 策略与基于 flow-matching 的视觉-语言-动作（VLA）策略；在仿真与真实双臂操作实验中，EqC 匹配或改善了控制性能与鲁棒性，并在策略能力边界附近实现及时干预。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。