热点事件持续更新

提出Immiscible Diffusion Policy保留动作多模态

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Xiao Zhang 等人在 arXiv 提出 Immiscible Diffusion Policy，一种免标签的训练期附加方法，通过动作-噪声分配保持相对独立的噪声到动作路径，不改动策略架构与推理流程，以缓解扩散策略坍缩到单一模态的问题。论文称，在五个仿真与两个人形机器人操作任务（覆盖状态、RGB 和点云观测）中，该方法在保持任务性能的同时显著改善动作模态保留：在三个双模态任务中将非主导模态占比提高 6.0–14.6 倍，并在两个四模态任务中恢复了原始策略 rollout 中完全缺失的示范模态。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
Immiscible Diffusion Policy：免标签噪声分配保留机器人动作多模态性
论文提出 Immiscible Diffusion Policy，一种免标签的训练期附加方法，通过动作-噪声分配保持相对独立的噪声到动作路径，不改动策略架构与推理流程，以缓解扩散策略坍缩到单一模态的问题。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。