具有动态校正的闭环动作块：用于训练自由扩散策略
机器人学
2026-03-18 v2 人工智能
计算机视觉与模式识别
摘要
扩散基准策略在机器人操作中取得了显著的成果，但在动态场景中往往难以快速适应，导致响应延迟或任务失败。我们提出DCDP（Dynamic Closed-Loop Diffusion Policy）框架，将块状动作生成与实时校正集成。DCDP集成了自监督动态特征编码器、交叉注意力融合和非对称动作编码器-解码器，以在动作执行前注入环境动力学，实现实时的闭环动作校正，增强系统在动态场景中的适应性。在动态PushT模拟中，DCDP在无需重新训练的情况下提升了19%的适应性，仅需额外计算的5%。其模块化设计实现即插即用集成，在动态机器人场景中实现了时序一致性和实时响应，包括实际的机器人操作任务。项目页面为：https://github.com/wupengyuan/dcdp
引用
@article{arxiv.2603.01953,
title = {Closed-Loop Action Chunks with Dynamic Corrections for Training-Free Diffusion Policy},
author = {Pengyuan Wu and Pingrui Zhang and Zhigang Wang and Dong Wang and Bin Zhao and Xuelong Li},
journal= {arXiv preprint arXiv:2603.01953},
year = {2026}
}
备注
Accepted by ICRA2026