正文翻译排队

该来源正文已进入翻译队列，中文正文生成前先展示摘要和原始出处入口。

摘要

提出 Ambient Diffusion Policy，一种从机器人次优数据进行模仿学习的简单且有原则的方法。

计算机科学 > 机器人学

[提交于 2026 年 6 月 10 日]

标题：Ambient Diffusion Policy：机器人学中从次优数据进行模仿学习

作者：Adam Wei, Nicholas Pfaff, Thomas Cohn, Arif Kerem Dayı, Constantinos Daskalakis, Giannis Daras, Russ Tedrake

摘要：我们提出 Ambient Diffusion Policy，这是一种用于在机器人学中从次优数据进行模仿学习的简单且有原则的方法。高质量、任务特定的机器人数据收集成本高且耗时，而包含较低质量或分布外演示的次优数据集则十分丰富。机器人学中现有的同时在两类数据源上联合训练的方法，往往无法区分次优样本中的有意义特征和有害特征。相比之下，我们的方法通过为机器人学中的联合训练引入一个新的轴：依赖噪声的数据使用方式，仅提取有用特征。Ambient Diffusion Policy 将次优数据在训练中的贡献限制在高扩散时间和低扩散时间。为严格论证我们的方法，我们首先观察到机器人动作数据呈现谱幂律。这会在最优 Di 上诱导出两个重要性质

Comments: Subjects: 机器人学（cs.RO）; Artificial Intelligence (cs.AI) Cite as: arXiv:2606.12365 [cs.RO] (or arXiv:2606.12365v1 [cs.RO] for this version) https://doi.org/10.48550/arXiv.2606.12365

聚焦以了解更多

arXiv-issued DOI via DataCite (pending registration)

提交历史

From: Adam Wei [view email]
[v1] Wed, 10 Jun 2026 17:34:12 UTC (17,712 KB)

全文链接：

访问论文：

view license

当前浏览上下文：

正文：cs.RO

< prev | next >

new | recent | 2026-06

Change to browse by:

cs
cs.AI

参考文献与引用

正文：NASA ADS
正文：Google Scholar
正文：Semantic Scholar

export BibTeX citation 加载中...

BibTeX 格式引用

加载中...

数据提供方：

书签

Bibliographic Tools

书目与引用工具

书目浏览器切换

书目浏览器 (What is the Explorer?)

Connected Papers 切换

正文：Connected Papers (What is Connected Papers?)

Litmaps 切换

正文：Litmaps (What is Litmaps?)

scite.ai 切换

正文：scite Smart Citations (What are Smart Citations?)

Code, Data, Media

与本文相关的代码、数据和媒体

alphaXiv 切换

正文：alphaXiv (What is alphaXiv?)

代码链接切换

CatalyzeX 论文代码查找器 (What is CatalyzeX?)

DagsHub 切换

正文：DagsHub (What is DagsHub?)

GotitPub 切换

正文：Gotit.pub (What is GotitPub?)

Huggingface 切换

正文：Hugging Face (What is Huggingface?)

ScienceCast 切换

正文：ScienceCast (What is ScienceCast?)

Demos

演示

Replicate 切换

正文：Replicate (What is Replicate?)

Spaces 切换

正文：Hugging Face Spaces (What is Spaces?)

Spaces 切换

正文：TXYZ.AI (What is TXYZ.AI?)

arXivLabs：与社区协作者合作的实验性项目

arXivLabs 是一个框架，允许协作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织均已认同并接受我们的开放、社区、卓越和用户数据隐私价值观。arXiv 致力于这些价值观，并且只与遵循这些价值观的合作伙伴合作。

有能为 arXiv 社区增添价值的项目想法吗？了解更多关于 arXivLabs 的信息。