SeedPolicy：通过自演化扩散策略实现机器人操控的视野扩展

模仿学习（IL）使机器人能够从专家演示中习得操作技能。扩散策略（DP）能建模多模态专家行为，但随着观察窗口（horizon）的增加会出现性能退化，限制了长程操作。我们提出了自演进门控注意力（SEGA），这是一种时间模块，通过门控注意力维持随时间演进的隐状态，实现高效的循环更新，将长程观察压缩为固定大小的表示，同时过滤无关的时间信息。将 SEGA 集成到 DP 中产生了自演进扩散策略（SeedPolicy），它解决了时间建模瓶颈，并能以适度的开销实现可扩展的窗口扩展。在包含 50 个操作任务的 RoboTwin 2.0 基准测试中，SeedPolicy 优于 DP 和其他 IL 基线。在 CNN 和 Transformer 骨干网络上平均而言，SeedPolicy 在洁净设置下比 DP 实现了 36.8% 的相对提升，在随机化的挑战性设置下实现了 169% 的相对提升。与拥有 12 亿参数的视觉-语言-动作模型（如 RDT）相比，SeedPolicy 以少一到两个数量级的参数实现了极具竞争力的性能，展现了强大的效率和可扩展性。这些结果确立了 SeedPolicy 作为长程机器人操作的最先进模仿学习方法。代码见：https://github.com/Youqiang-Gui/SeedPolicy。