PoLAR：在潜在动作中分解幅度与模式以学习机器人策略

PoLAR 通过在潜在动作空间引入径向结构，让半径编码过渡幅度、方向保留过渡模式，并用观测间时间偏移作为幅度的弱代理，在双曲空间中实例化该结构。在任务内和大规模预训练设置下，PoLAR 在仿真与真实机器人实验中均提升了下游策略性能，超过潜在动作基线和强预训练 VLA。该工作已被 CoRL 2026 接收。