LEARNING开放获取
因子化扩散策略:基于单一评分网络的组合泛化机器人控制
Sayan Mitra, Ege Yuceel, Noah Giles, Abhishek Pai
2026
摘要
提出因子化扩散策略,通过单一共享扩散网络和逐因子空标记丢弃训练,使得推理时评分跨因子可加性分解,从而将训练任务预算从因子基数的乘积降至求和。该方法在无人机竞速实验中实现了组合泛化,并提供了理论保证。
关键词
diffusion policycompositional generalizationrobot controlscore networknull-token dropout
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026