PACE：免训练在线选择动作块执行时域

Junnan Nie 等作者提出 PACE（Phase-Aware Chunk Execution），一种免训练方法：从策略预测的动作块中在线选择执行时域，以预测速度曲线中的低速谷作为候选重规划边界，并利用操作轨迹的阶段相关运动学特性；其阈值默认从各任务已有训练示范中校准，无需为每个任务固定时域。 作者称，在 50 任务的 RoboTwin2.0 基准上，PACE 将平均成功率从最强固定时域基线的 57.8% 提升至 64.2%，并优于自适应执行基线 AAC 和 AutoHorizon；在 LIBERO 上配合 GR00T N1.7 取得所评估策略中最高的总体成功率；在真实机器人上，相比执行完整动作块，平均任务得分从 60.7 升至 77.7，成功率从 50.7% 升至 70.4%。该工作已被 NeurIPS 2026 接收，上述效果均为作者报告，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。