Where Should Action Generation Begin? A Learnable Source Prior for Generative Robot Policies

📄 arXiv: 2606.17408v1 📥 PDF

作者: Meipo Dai, Qiyuan Zhuang, He-Yang Xu, Ying-Jie Shuai, Yijun Wang, Qi Dou, Xiu-Shen Wei

分类: cs.RO, cs.CV, cs.LG

发布日期: 2026-06-16

💡 一句话要点

提出LeaP以优化生成机器人策略的起始分布

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 生成机器人策略 动作生成 本体感知 高斯分布 机器学习 多层感知机 机器人操作 自主决策

📋 核心要点

  1. 现有生成机器人策略通常使用标准高斯分布作为动作生成的起始点，缺乏对源分布的深入研究。
  2. 本文提出LeaP，通过本体感知的对角高斯分布替代标准高斯分布，提供信息丰富的随机初始化。
  3. 在15个RoboTwin操作任务中，LeaP的成功率达到81.6%，显著优于多种基线方法，且在真实应用中表现最佳。

📝 摘要（中文）

生成机器人策略通常从观察无关的标准高斯分布开始生成动作，导致源分布的选择未被充分探索。本文提出了LeaP（Learnable source Prior），用一个基于本体感知的对角高斯分布替代标准高斯分布。LeaP通过轻量级多层感知机（MLP）联合预测源分布的均值和状态自适应方差，同时保持下游生成器架构和推理求解器不变。这种设计提供了一个基于观察的信息且具有随机性的初始化，使生成器能够专注于精确的动作细化。在15个RoboTwin操作任务中，LeaP的平均成功率为81.6%，比四个代表性基线方法提高了6.5到25.5个百分点。该先验在真实世界部署中也表现出最佳性能，表明源分布是生成机器人策略的一个独立且可重用的设计轴。

🔬 方法详解

问题定义：本文旨在解决生成机器人策略中源分布选择不足的问题。现有方法通常依赖于标准高斯分布，导致生成的动作缺乏针对性和有效性。

核心思路：LeaP通过引入基于本体感知的对角高斯分布，替代传统的标准高斯分布，从而提供更为精准的动作生成起始点。这种设计使得生成器能够更好地聚焦于动作的细化而非从无信息的噪声源中提取样本。

技术框架：LeaP的整体架构包括一个轻量级的多层感知机（MLP），该网络负责联合预测源分布的均值和状态自适应方差。生成器的下游架构和推理求解器保持不变，确保了与现有系统的兼容性。

关键创新：LeaP的主要创新在于将源分布的选择作为生成机器人策略的独立设计轴，提供了一种信息驱动的随机初始化方式。这与传统方法的本质区别在于，LeaP能够根据当前状态自适应调整生成策略。

关键设计：在LeaP中，MLP的参数设置经过优化，以确保其在预测均值和方差时的高效性和准确性。此外，损失函数的设计也考虑了生成动作的精确性与多样性，确保生成器能够快速收敛并提高性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

LeaP在15个RoboTwin操作任务中的平均成功率达到81.6%，比四个基线方法提高了6.5到25.5个百分点。该方法在真实世界部署中表现最佳，显示出其在生成机器人策略中的显著优势。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化制造和人机交互等。通过优化生成策略的起始分布，LeaP能够提高机器人在复杂环境中的操作能力，具有重要的实际价值和广泛的应用前景。未来，该方法可能推动生成模型在更多实际场景中的应用，提升机器人自主决策的智能化水平。

📄 摘要（原文）

Generative robot policies typically begin action generation from an observation-independent standard Gaussian distribution, leaving the choice of source distribution underexplored. This work asks a simple question: where should action generation begin? We propose LeaP, a Learnable source Prior that replaces the standard Gaussian with a proprioception-conditioned diagonal Gaussian over action chunks. Parameterized by a lightweight MLP, LeaP jointly predicts the mean and state-adaptive variance of the source distribution, while keeping the downstream generator architecture and inference solver unchanged. This design provides an observation-informed yet stochastic initialization, allowing the generator to focus on precise action refinement rather than transporting samples from an uninformed noise source. On 15 RoboTwin manipulation tasks, LeaP achieves an average success rate of 81.6%, outperforming four representative baselines -- including deterministic-source methods, a no-prior counterpart, and a diffusion-bridge policy -- by 6.5 to 25.5 percentage points. The same prior consistently improves both flow-matching and diffusion-bridge generators, while using fewer parameters and converging faster. The advantage carries over to real-world deployment, where LeaP attains the best performance. These results suggest that the source distribution is an independent and reusable design axis for generative robot policies, complementary to the choice of generative dynamics.