BEACON：源域充足目标域有限下的跨域协同训练框架

Antong Zhang、Han Qi、Heng Yang 提出 BEACON，一个面向源域演示充足、目标域演示有限场景的生成式机器人策略跨域协同训练框架。该框架把跨域协同训练建模为差异感知的重要性重加权问题，在 Best-Effort Adaptation 界启发下联合学习基于扩散的视觉运动策略与逐样本源域权重，并针对高维序列策略提出实例级差异代理、策略与权重的随机交替更新，以及平衡异构源域的多源扩展。 作者称，在仿真到仿真、仿真到实机和多源操作设置中，BEACON 相比仅用目标域数据、固定比例协同训练和特征对齐基线提升了鲁棒性与数据效率；在不设显式对齐目标的情况下，差异感知协同训练也隐式拉近了源域与目标域的表征。该文为 arXiv 预印本，尚未经同行评议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。