理解行为克隆中多模态失败：动作块分割模型
机器学习
2026-05-22 v1 人工智能
机器人学
摘要
当同一观察结果容纳多个有效动作时，行为克隆变得困难。我们研究了针对动作块分割策略的这一问题，发现不同的多模态参数化以不同方式失败。对于潜在变量策略，后验-先验正则化使部署时的采样更可靠，但过度正则化会移除区分演示模式所需的动作条件信息。降低此正则化可以保留模式信息，但成功取决于先验是否覆盖相关的潜在区域。对于动作空间生成式策略，多模态性受基准空间到动作空间传输平滑性的约束：阻值较小的映射无法为多个相距甚远的模式分配显著概率。覆盖许多模式因此需要基准空间中的尖锐转换或动作空间中的超支持桥接区域。在合成多模态任务和机器人仿真基准上的实验支持了这些机制。
引用
@article{arxiv.2605.22493,
title = {Understanding Multimodal Failure in Action-Chunking Behavioral Cloning},
author = {Lorenzo Mazza and Massimiliano Datres and Ariel Rodriguez and Sebastian Bodenstedt and Gitta Kutyniok and Stefanie Speidel},
journal= {arXiv preprint arXiv:2605.22493},
year = {2026}
}