EPO：基于能量的策略编排方法用于人形机器人移动操作

论文提出 EPO，一种面向模块化目标条件策略族的基于能量的策略编排器，用于解决动态高维任务中固定规划器到策略接口失效的问题。EPO 为每个低层策略学习一个关于低层目标的复合能量，能量越低表示可行性越高、目标实现越准确；运行时先细化各策略的目标，再执行能量最低的策略-目标对。由于能量按策略独立，新增策略只需学习其自身能量模型，无需重训已有策略或集中式调度器。仿真中该方法改善了精度与鲁棒性的权衡，作者还在真实人形机器人移动操作任务上部署了同一套冻结策略与能量模型。论文标注为 CoRL 2026，预印本。