Chronos Policy：机器人扩散Transformer策略学习

发生了什么

据arXiv cs.CV论文《Chronos Policy: Learning Robot Policies on Physical Time》报道，研究提出Chronos Policy，通过条件化观察捕获时间和期望动作执行时间，使物理时间在扩散Transformer策略学习中显式化。研究发现，时间感知旋转位置编码（time-aware RoPE）比时间戳嵌入更稳健，允许注意力直接依赖物理时间。通过在训练中对采样观察和执行开始时间进行时间随机化，该策略能从异步、多速率数据中学习，在动态任务和 multisensory 任务中提升性能，并在准静态任务中保持名义性能的同时提高对传感和推理时序变化的鲁棒性。