机器人策略多采样收益很快见顶:PlanDiv让候选按潜计划分叉,CALVIN五连任务从56.9%升到69.9%
视觉-语言-动作策略的测试时扩展通常从同一个解码器反复采样再挑最好的一个,但候选之间只差噪声,CALVIN上从四个加到八个只多完成0.06–0.07个任务。PlanDiv改换候选来源:一个轻量规划器提出潜计划假设,共享的掩码扩散执行器在一次骨干前向中为每个计划解码一个动作块,策略执行自身似然最高的那一块。在骨干、数据和训练配方固定的条件下,八个按计划分叉的候选把CALVIN ABCD五连任务成功率从56.9%提到69.9%,而自回归、无计划与同计划重采样最多到64.9%。