多数机器人策略在离散控制步上直接输出动作值，把物理运动的连续性留给数据隐式学习。ODE Policy 改用一个神经常微分方程学习动作的向量场，在部署时由上一个动作积分出下一个动作，使轨迹在构造上连续。在 LIBERO 上训练一个 epoch 后，它取得 79.2% 的成功率，而基线最高为 43.2%；作为 VLA 与 ImageWAM 的动作头以及 SuperMimic 的 actor 时也保持这一早期优势。
该工作训练一个在未分割点云上分类抓取点并预测深度与偏航的网络，用行为克隆（BC）、其强化学习微调（BCRL）和从零强化学习三种方式在仿真中学习清空200根原木的密堆，并在拖车式液压林业起重机上完成12次现场试验：BC与BCRL分别回收93.8%和88.9%的合并库存，高于几何启发式的80.4%，BCRL的循环成功率83.6%也高于启发式的79.6%和BC的65.7%，但微调在仿真中获得的负载稳定性优势未迁移到起重机试验台。
该工作指出分散式多智能体路径规划中即使每个智能体的动作分布学得正确，独立采样仍会把各自合法的选择拼成冲突的联合动作，并提出 DMM——让智能体在通信轮次中迭代精炼离散的“动作意图”后再统一承诺，配合无评论家的多智能体强化学习微调方法 MICPO；在 POGEMA 上 DMM 通常取得更高成功率与更低解代价，在 MovingAI 的 1600 个任务中解出 1598 个（评估方法中覆盖最高），并可扩展到超过一百万个同时行动的智能体。
该工作提出一个闭环框架，将策略轨迹记录为语义化表格数据，并提示LLM生成诊断分析代码，从而在无需人工指令的情况下迭代识别并修正结构化策略中的次优结构；在赛车和开门任务上，模仿学习性能较零样本LLM生成结构最高提升15%，达到相同强化学习性能所需计算量减少75%。
该工作形式化定义了行为克隆中的多模态，证明潜变量策略保留示范模态需要潜表示携带动作条件信息、过强的后验—先验正则会压制该信息，动作空间生成策略则受基分布到动作映射的 Lipschitz 常数限制，并在合成多模态导航、真实机器人双模态组织抓取任务上验证这些机制，同时用基于 GMM 模态聚类的诊断发现 Push-T、UR3、LIBERO、Meta-World 等标准仿真基准的条件多模态很有限、确定性回归仍有竞争力。
已读完全部报道