DemoSpeedup：基于熵导演加速的视觉运动策略
机器人学
2025-06-11 v2
摘要
仿照学习在机器人操作中展现出巨大潜力，但由于常因人类操作员收集的演示动作迟缓，导致策略执行速度令人不满。本文提出DemoSpeedup方法，通过熵导演演示加速来加速视觉运动策略执行。DemoSpeedup首先在常速演示上训练任意生成式策略（如ACT或扩散策略），作为逐帧动作熵估计器。关键洞察在于，熵估计较低的帧需要更一致的策略行为，通常表明需要更高精度的操作；而熵估计较高的帧则对应更随意的章节，因此可以更安全地加速。于是，我们依据估计的熵对原始演示进行分段，并按熵值递增的速率进行下采样加速。经加速演示训练得到的策略执行速度可达常规的3倍，同时保持任务完成性能。有趣的是，这些策略甚至可能因减少决策视野而实现更高的成功率。项目页面：https://demospeedup.github.io/
引用
@article{arxiv.2506.05064,
title = {DemoSpeedup: Accelerating Visuomotor Policies via Entropy-Guided Demonstration Acceleration},
author = {Lingxiao Guo and Zhengrong Xue and Zijing Xu and Huazhe Xu},
journal= {arXiv preprint arXiv:2506.05064},
year = {2025}
}