摘要
针对具身视觉运动模型在分布外场景中组合泛化能力不足的问题,本文提出基于技能的记忆(SkillMemo)框架。该框架利用基于混合专家架构的轨迹分割模块,将长视距演示隐式分解为潜在原子技能,并构建动态情景记忆库存储紧凑的技能表示。推理时,从记忆库检索相关技能并与当前门控分布融合,提供上下文先验以优化动作预测。实验表明,该方法显著提升了Diffusion Policy和VLA模型的性能,实现了最先进的结果及强大的组合泛化能力。
AI 推荐理由
论文核心在于构建技能记忆框架,通过分解和检索原子技能来提升具身操作能力,直接针对技能学习与复用机制。
研究机构
清华大学深圳国际研究生院
清华大学自动化系
南洋理工大学
北京师范大学
论文信息