多模态导航演示学习的分层策略论文发布

2026年10月15日，arXiv Robotics 刊出 Chengyang Peng 等作者的论文《Learning Navigation from Multimodal Demonstrations with Geometric Candidate Modes》。研究者提出一种分层神经网络策略：从局部几何计算候选模式，并通过演示学习选择和执行哪种模式；高层策略依据目标与历史在候选模式中决策，低层策略将其转化为动作。据该论文，仿真中该策略在已见和未见测试用例上成功率均超过95%，而四个离线学习基线最高分别仅为43%和20%，使用相同模式但不学习的启发式方法为79%和67%。论文还称，仿真训练的策略迁移到了 LimX Tron 1 双足机器人上。论文共8页、8幅图，处于审稿中。上述成功率与迁移结果均为论文自述，尚无独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。