东南大学团队提出LeaP可学习源先验

东南大学魏秀参团队提出 LeaP（Learnable source Prior）可学习源先验，用本体感知信息联合预测初始高斯分布的均值与方差，为生成式机器人策略提供状态相关的随机初始化。据机器之心 2026 年 10 月 3 日报道，相关论文已被机器人学习国际会议 CoRL 2026 接收，代码已开源。在 RoboTwin 的 15 项仿真操作任务上，其平均成功率达到 81.6%，较采用相同编码器与生成器的标准高斯基线提升 25.5 个百分点。在 Franka Research 3 的抓取方块、关闭盒子、抓取并放置沙袋三项任务中，每项使用 100 条遥操作演示，并随机设置物体位置测试 20 次。报道同时指出，目前验证集中在桌面操作，对角高斯也未显式建模动作维度之间的相关性，更复杂的先验形式与机器人形态仍有待探索。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。