机器人策略改学动作的导数：ODE Policy 一个 epoch 在 LIBERO 达 79.2%，基线最高 43.2%
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。