Conditional Trajectory Peaks: Single-Pass Multimodal Policies over Action Chunks

📄 arXiv: 2610.06104v1 📥 PDF

作者: Di Wu, Rongtian Shen, Ping Liu, Xuhua Chen, He Zheng, Lingfeng Zhang, Tao Zhang

分类: cs.RO

发布日期: 2026-10-05

备注: 8 pages, 6 figures, 5 tables. Project page: https://embodied.magiclab.top/works/ctp/index.html

💡 一句话要点

提出条件轨迹峰值以解决多模态模仿学习问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态模仿学习 轨迹建模 机器人控制 高效推理 闭环一致性

📋 核心要点

  1. 现有的多模态模仿学习方法在相同观察下生成多样可执行未来的能力不足，且在重新规划周期中行为一致性较差。
  2. 本文提出条件轨迹峰值（CTP），通过单次策略框架联合预测动作块候选、概率分布和轨迹规模，解决了多模态行为和一致性的问题。
  3. CTP在多个实验中表现出色，Push-T的覆盖率达到91.40%，在D3IL系列任务中成功率高达100%，并在实际双臂实验中实现了100%的成功率。

📝 摘要（中文）

多模态模仿学习需要在相同观察下生成多样的可执行未来，并在重新规划周期中保持一致的行为。本文提出条件轨迹峰值（CTP），一种单次策略框架，能够联合预测完整的动作块候选、概率分布和轨迹规模。通过轨迹级后验责任和质量、规模调制重叠约束，分布感知峰值专业化（DAPS）专门化轨迹峰值。证据门控轨迹信念传输（ETBT）通过可交换候选集之间的几何对应关系保持跨块一致性，同时允许当前策略证据覆盖历史约束。CTP在Push-T上达到了91.40%的覆盖率，在D3IL避免、对齐和排序-2上成功率分别为100.0%、79.72%和84.44%。在LIBERO上，CTP的平均成功率为97.25%。在实际的双臂实验中，CTP在两个盘子任务中保留了两种放置模式，成功率为100%。在瓶子竖立和笔放置任务中，成功率与$π_{0.5}$相当，同时将策略推理延迟从218.24毫秒减少到75.80毫秒。这些结果表明，单次轨迹建模可以结合多模态行为、闭环一致性和高效推理。

🔬 方法详解

问题定义：本文旨在解决多模态模仿学习中在相同观察下生成多样可执行未来的挑战，现有方法在行为一致性和推理效率上存在不足。

核心思路：提出条件轨迹峰值（CTP），通过单次策略框架联合预测完整的动作块候选、概率分布和轨迹规模，从而实现多模态行为的有效建模。

技术框架：CTP框架主要包括两个模块：分布感知峰值专业化（DAPS）和证据门控轨迹信念传输（ETBT）。DAPS负责轨迹峰值的专业化，ETBT则确保跨块的一致性。

关键创新：CTP的核心创新在于通过单次策略建模实现多模态行为的结合，克服了传统方法在行为一致性和推理效率上的局限。

关键设计：在DAPS中，使用轨迹级后验责任和质量、规模调制重叠约束；ETBT通过几何对应关系保持一致性，并允许当前策略证据覆盖历史约束，优化了推理过程。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

CTP在Push-T任务中达到了91.40%的覆盖率，在D3IL系列任务中成功率分别为100.0%、79.72%和84.44%。在实际双臂实验中，CTP在50次试验中成功率为100%，并将策略推理延迟从218.24毫秒减少到75.80毫秒，显示出显著的性能提升。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、自动化制造和人机交互等场景。通过实现高效的多模态模仿学习，CTP能够在复杂任务中提高机器人操作的灵活性和准确性，具有重要的实际价值和未来影响。

📄 摘要（原文）

Multimodal imitation learning requires diverse executable futures under the same observation and consistent behavior across replanning cycles. We present Conditional Trajectory Peaks (CTP), a single-pass policy framework that jointly predicts complete action-chunk candidates, probability masses, and trajectory scales. Distribution-Aware Peak Specialization (DAPS) specializes trajectory peaks using trajectory-level posterior responsibilities and mass- and scale-modulated overlap constraints. Evidence-Gated Trajectory Belief Transport (ETBT) maintains cross-chunk consistency through geometric correspondence between exchangeable candidate sets, while allowing current policy evidence to override historical constraints. CTP achieves a coverage score of 91.40% on Push-T; success rates of 100.0%, 79.72%, and 84.44% on D3IL Avoiding, Aligning, and Sorting-2, respectively. On LIBERO, CTP achieves an average success rate of 97.25%. In real-world dual-arm experiments, CTP preserves both placement modes in a two-plate task, succeeding in all 50 trials. On bottle uprighting and pen placement into a holder, it maintains success rates comparable to $π_{0.5}$ while reducing policy inference latency from 218.24 ms to 75.80 ms. These results demonstrate that single-pass trajectory modeling can combine multimodal behavior, closed-loop consistency, and efficient inference.