ENAP神经符号模仿学习框架提出

2026年10月26日，arXiv Robotics 报道 Yiyuan Pan 等作者提出 ENAP（Emergent Neural Automaton Policy）神经符号模仿学习框架。该框架采用双层策略，从视觉运动演示中自适应涌现：通过自适应聚类与 L* 算法扩展，从演示中学习 Mealy 状态机作为可解释的高层规划器，再引导底层残差网络经行为克隆学习连续控制。报道称，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。目前进展停留在论文发布层面，报道未提及代码开源、第三方复现或实际部署情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。