摘要

基于扩散模型的机器人控制方法，包括视觉-语言-动作（VLA）和视觉-动作（VA）策略，已展现出显著的能力。然而，其发展受限于大规模交互数据集获取的高昂成本。本文提出了一种替代性范式，可在无需额外模型训练的前提下提升策略性能。令人意外的是，我们证明了组合策略的性能可以超越任一父策略的性能。本工作的贡献主要体现在三个方面。首先，我们建立了理论基础，表明多个扩散模型的分布得分（distributional scores）进行凸组合后，能够产生优于任一单一得分的最优一步函数目标。随后，通过引入类似Grönwall不等式的界，我们证明了这一单步改进可沿整个生成轨迹传播，从而带来系统性的性能提升。其次，基于上述理论结果，我们提出了无需训练的通用策略组合方法（General Policy Composition, GPC）：该方法通过凸组合多个预训练策略的分布得分，并结合测试时搜索（test-time search），实现性能增强。GPC具有高度灵活性，支持异构策略的即插即用式组合，包括VA与VLA模型，以及基于扩散模型或流匹配（flow-matching）的策略，且不依赖于其输入的视觉模态。第三，我们提供了广泛的实证验证。在Robomimic、PushT和RoboTwin等多个基准测试上，以及真实机器人环境中的评估结果均表明，GPC在多种任务中均能持续提升策略性能与适应能力。对不同组合算子和权重策略的进一步分析，揭示了GPC取得成功背后的机制。综上，本研究确立了GPC作为一种简单而高效的方法，能够通过复用已有策略显著提升控制性能。