Temporal Policy: History-Initialized Action Generation for Robotic Learning from Demonstration
Temporal Policy 是一种基于随机插值器的生成框架，将动作生成表述为时间耦合的传输问题，通过从机器人近期历史初始化生成流来耦合过去状态与未来动作序列。在视觉运动模拟基准和物理 Barrett WAM 2x 7DoF 遥操作平台上验证，与噪声初始化基线相比，传输成本降低近一个数量级，在单块 NVIDIA RTX 4080 上实现 19.1 ms 推理延迟，同时匹配最先进基线的成功率。
发展脉络
- 首次出现Temporal Policy: History-Initialized Action Generation for Robotic Learning from DemonstrationarXiv cs.RO
- 当前判断该工作表明，在机器人学习领域，生成模型的推理成本是实际部署的关键障碍，而通过任务相关的初始化策略可以在不牺牲性能的前提下大幅降低延迟。这可能会推动更多研究关注生成模型的先验设计，而非仅追求模型容量。Agent Pulse · 分析
Temporal Policy 论文提出一种新的生成式模仿学习方法，通过从机器人历史状态初始化生成流，将动作生成视为时间耦合的传输问题，从而降低传输成本并产生直线向量场。该方法在模拟和物理机器人上验证，传输成本降低近一个数量级，推理延迟仅 19.1 ms，同时保持与最先进基线相当的成功率。
Temporal Policy 的核心创新在于用数据相关的历史状态初始化替代无信息的高斯先验，将生成流与机器人近期历史耦合，从而简化向量场并降低传输成本。这暗示生成模型在机器人控制中的推理效率瓶颈可通过先验设计缓解，而非仅依赖模型架构或蒸馏。
该工作表明，在机器人学习领域，生成模型的推理成本是实际部署的关键障碍，而通过任务相关的初始化策略可以在不牺牲性能的前提下大幅降低延迟。这可能会推动更多研究关注生成模型的先验设计，而非仅追求模型容量。
对于机器人公司，Temporal Policy 提供了降低推理延迟的可行方案，有助于实现实时控制，从而提升产品响应速度。对于云服务提供商，更高效的推理意味着更低的单位成本，可能影响定价策略。
未来可验证的信号包括：Temporal Policy 在更多真实机器人任务上的泛化能力，以及其是否被集成到实际机器人系统中。此外，该方法是否适用于其他序列生成任务（如视频预测）也值得关注。