具身开发者社区

外观

论文arXiv 2502.100402025-02-14

DTP框架：扩散轨迹引导策略提升长程操作成功率25% ​

针对长程机器人操作中模仿学习误差累积难题，提出扩散轨迹引导策略（DTP）。该方法利用扩散模型生成2D轨迹指导策略学习，在CALVIN基准上较SOTA基线成功率提升25%，且无需外部预训练即可显著改善真机表现。

AI 整理
  • 仿真与训练
  • 具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：Diffusion Trajectory-guided Policy for Long-horizon Robot Manipulation（arXiv 2502.10040）

核心内容 ​

针对视觉-语言-动作模型（VLA）在长程任务中因数据成本高及分布外泛化差导致的级联失败问题，研究团队提出Diffusion Trajectory-guided Policy（DTP）框架。该方法核心在于通过扩散模型生成任务相关的2D轨迹，为策略学习提供轨迹级引导以抑制复合误差。实验表明，DTP在CALVIN基准测试中从零开始训练，无需外部预训练即比现有SOTA基线成功率提升25%，并在真实机器人部署中验证了有效性。

DTP采用两阶段技术架构：首先训练生成式视觉-语言模型以产出基于扩散的2D轨迹，随后利用这些轨迹作为先验知识微调模仿学习策略。这种设计将高层语义规划与底层动作执行解耦，利用轨迹级约束缓解了传统模仿学习在长时序上的误差累积。该方案不依赖大规模预训练权重，降低了长程操作算法的数据门槛，为具身智能在复杂非结构化环境下的鲁棒操控提供了新的工程范式。

关键看点 ​

  • 核心机制：利用扩散模型生成2D轨迹作为中间表征，为长程操作策略提供轨迹级引导，有效缓解模仿学习中的复合误差累积问题。
  • 性能指标：在CALVIN基准测试中，DTP从零训练且无外部预训练，成功率较当前SOTA基线提升25%，并验证了真机迁移能力。
  • 技术架构：采用两阶段训练范式，先构建生成式视觉-语言模型产出扩散轨迹，再以此为条件精炼模仿策略，实现规划与控制的解耦。
  • 数据效率：通过引入轨迹级先验知识降低对海量演示数据的依赖，解决了VLA模型数据采集成本高及分布外场景泛化难的痛点。

工程与产业观察 ​

DTP证明了在长程操作中引入显式轨迹生成作为中间监督信号的有效性，为解决具身智能“长尾失败”提供了轻量化思路。其无需大模型预训练即可超越SOTA的特性，对算力受限或私有数据场景下的机器人算法落地具有重要参考价值，提示业界关注生成式规划与模仿学习的融合路径。

英文摘要 (Abstract) ​

Recently, Vision-Language-Action models (VLA) have advanced robot imitation learning, but high data collection costs and limited demonstrations hinder generalization and current imitation learning methods struggle in out-of-distribution scenarios, especially for long-horizon tasks. A key challenge is how to mitigate compounding errors in imitation learning, which lead to cascading failures over extended trajectories. To address these challenges, we propose the Diffusion Trajectory-guided Policy (DTP) framework, which generates 2D trajectories through a diffusion model to guide policy learning for long-horizon tasks. By leveraging task-relevant trajectories, DTP provides trajectory-level guidance to reduce error accumulation. Our two-stage approach first trains a generative vision-language model to create diffusion-based trajectories, then refines the imitation policy using them. Experiments on the CALVIN benchmark show that DTP outperforms state-of-the-art baselines by 25% in success rate, starting from scratch without external pretraining. Moreover, DTP significantly improves real-world robot performance.

作者：Shichao Fan, Quantao Yang, Yajie Liu, Kun Wu, Zhengping Che, Qingjie Liu, Min Wan

来源

本页事实对应的公开页面，以原文为准。

  1. arXiv 2502.10040：Diffusion Trajectory-guided Policy for Long-horizon Robot Manipulation访问 2026-10-23