Action Rate Multimodality | 技术知识日志

expert diversity 可以拆成两个可分离的维度：spatial multimodality（从左边绕还是右边绕）是真实的策略分歧，应当保留；action rate multimodality（同一条轨迹快执行还是慢执行）不携带策略信息，却会污染监督。

原因在于 action chunk 是固定长度的时间窗：

Demo 1（慢）  chunk = [A → B]
Demo 2（快）  chunk = [A → B → C → D]

观测几乎相同，标签完全不同 —— 空间上等价的运动被当成两个不同训练样本，从而人为扩大 $H(A\mid o,\ell)$ 。

一种可计算的速度度量是末端执行器相对位移的 L1 范数（各维先归一化到 $[-1,1]$ ）：

v(a_{t:t+T})=\left\|a^{\text{eef}}_{t:t+T}\right\|_1

关键洞察

速度偏置和空间轨迹纠缠在同一段数据里，所以正确处理不是过滤掉这条轨迹，而是把速度对齐到 observation 的期望速度上 —— 判断该过滤还是该纠偏，看丢掉它会不会连带丢掉有效监督。