arXiv Robotics· Yiyuan Pan, Xusheng Luo, Hanjiang Hu, Peiqi Yu, Changliu Liu·· 2 小时前AI 评分38
ENAP：从视觉运动轨迹中学习符号结构的神经自动机策略
Emergent Neural Automaton Policies: Learning Symbolic Structure from Visuomotor Trajectories
AI 导读
ENAP 是一种神经符号模仿学习框架，通过自适应聚类和 L* 算法扩展从演示中学习 Mealy 状态机作为可解释高层规划器，再引导底层残差网络经行为克隆学习连续控制。在复杂操作与长程任务上，ENAP 在低数据条件下比 SOTA 端到端 VLA 策略最高提升 27%。它还能从预训练 VLA 的隐空间蒸馏任务结构，在 CALVIN benchmark 上以少 39% 的参数超越原模型。
来源：arXiv Robotics · arxiv.org