PACT：具身操作中扩散策略的自进化物理安全对齐

扩散策略在机器人操作中表现优异，但常难以满足严格物理安全约束。现有方法或在训练早期强加限制，或在测试时依赖外部防护，限制了策略表达能力。本文提出 PACT，一种自进化的后训练框架，无需演示数据或奖励信号，即可将预训练扩散策略投影至可行约束区域。该方法通过逆向 KL 目标将约束梯度蒸馏到模型中，并采用渐进式课程学习，在理论保证下实现单调改进，显著降低违规率并提升任务成功率。