噪声加权条件扩散算法结合双域动态条件处理与时空因果去噪技术，用于机器人存储演示学习

《Knowledge-Based Systems》：Noise reweighted conditional diffusion with dual-domain dynamic conditioning and spatiotemporal causal denoising for robotic storage demonstration learning

　　

云龙·潘 | 铁章 | 立波·李

• •
  提出了一种用于机器人存储任务执行的条件扩散示范学习方法。
• •
  重新调整扩散噪声的权重，以提高动作轨迹中的时间结构可恢复性。
• •
  通过协调的时域和参数域机制增强条件调制效果。
• •
  利用双分支残差去噪网络捕捉多尺度时间依赖性。
• •
  在公开基准测试和真实世界存储数据集上展示了显著的性能提升。