DynaGuide：通过主动动态引导来引导扩散策略

在现实世界中部署大型复杂策略需要能够根据情况调整它们的需求。大多数常见的引导方法，如目标条件引导，要求在训练机器人策略时考虑测试时目标的分布。为了克服这一限制，我们提出了DynaGuide，一种在扩散去噪过程中使用外部动力学模型引导扩散策略的方法。DynaGuide将动力学模型与基础策略分离，这赋予了它多重优势，包括能够引导至多个目标、增强代表性不足的基础策略行为，以及在低质量目标下保持鲁棒性。独立引导信号还允许DynaGuide与现成的预训练扩散策略协同工作。我们通过一系列模拟和真实实验，展示了DynaGuide相对于其他引导方法的性能和特点，结果显示在一组关节式CALVIN任务上平均引导成功率为70%，并且在低质量目标引导下，其性能比目标条件引导高出5.4倍。我们还成功引导了一个现成的真实机器人策略，使其表达对特定物体的偏好，甚至创造了新颖的行为。视频及更多信息可在项目网站上找到：https://dynaguide.github.io