通过混合专家扩散策略抽象机器人操作技能
机器人学
2026-01-30 v1
摘要
扩散基策略最近在机器人操作中显示出强大的性能，但其扩展到多任务场景受限于扩大模型规模和演示的高成本。我们引入了 Skill Mixture-of-Experts Policy (SMP)，一种基于混合专家的扩散策略，通过学习紧凑的正交技能基，并利用黏性路由在每个步骤从小型、任务相关的专家子集中组合动作。一种变分训练目标支持这一设计，推断时的自适应专家激活可实现快速采样，无需额外的大型 backbone。我们在仿真环境和真实双臂平台上进行了多任务学习和迁移学习验证，其中 SMP 在成功率和推断成本方面均高于大型扩散基准。这些结果表明，这是一条通向可扩展、可迁移多任务操作的实用路径：一次学习可重用的技能，仅激活所需内容，任务变化时快速适应。
引用
@article{arxiv.2601.21251,
title = {Abstracting Robot Manipulation Skills via Mixture-of-Experts Diffusion Policies},
author = {Ce Hao and Xuanran Zhai and Yaohua Liu and Harold Soh},
journal= {arXiv preprint arXiv:2601.21251},
year = {2026}
}