StyleLoco: Generative Adversarial Distillation for Natural Humanoid Robot Locomotion
National Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）；School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）；Huazhong University of Science and Technology（华中科技大学）
针对人形机器人运动学习中敏捷性与自然度难以兼顾的问题，提出两阶段StyleLoco框架，通过生成对抗蒸馏结合强化学习与动作捕捉数据优势，实现稳定且兼具敏捷性与自然美感的多样化运动。
2025-03-19 cs.AI cs.RO
FastOPD: On-Policy Distillation for Lightweight VLA Deployment
KAIST（韩国科学技术院）；Sungkyunkwan University（成均馆大学）
FastOPD通过在线策略蒸馏将大规模VLA模型压缩为轻量级学生，结合流映射与自一致性目标，在LIBERO和RoboTwin上实现高成功率与低延迟，并成功部署于真实机器人。
2026-10-05 cs.AI cs.CV cs.LG
X-Distill: Cross-Architecture Vision Distillation for Visuomotor Learning
Tsinghua University（清华大学）；Institute for Interdisciplinary Information Sciences（交叉信息研究院）；Shanghai Qi Zhi Institute（上海启智研究院）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Huazhong University of Science and Technology（华中科技大学）
X-Distill通过跨架构知识蒸馏结合视觉转换器和紧凑型CNN，实现了在数据有限的机器人操作任务中优于其他方法的性能。
2026-01-16 cs.AI cs.CV
Offline Semantic Guidance for Efficient Vision-Language-Action Policy Distillation
Department of Mechanical Engineering（机械工程系）；University College London（伦敦大学学院）；Department of Engineering Science（工程科学系）；University of Oxford（牛津大学）
本文提出VLA-AD框架，利用视觉-语言模型作为离线语义监督者，将大规模VLA教师模型蒸馏为轻量学生策略，通过高阶语义指导提升效率与鲁棒性。
2026-05-15 cs.AI cs.CV
One-Step Flow Policy: Self-Distillation for Fast Visuomotor Policies
本文提出一步流策略，通过自蒸馏实现高保真单步动作生成，无需预训练教师模型，有效提升动作生成速度和控制精度。
2026-03-12 cs.AI cs.RO
Enhancing Vision-Based Policies with Omni-View and Cross-Modality Knowledge Distillation for Mobile Robots
College of Computer Science and Technology at Zhejiang University（浙江大学计算机科学与技术学院）；School of Engineering at Westlake University（西湖大学工程学院）
本文提出通过多视角和跨模态知识蒸馏提升移动机器人基于视觉的策略，解决场景迁移性差、计算资源有限和传感器成本高等问题。
2026-03-21 cs.RO
PolyTask: Learning Unified Policies through Behavior Distillation
New York University（纽约大学）
PolyTask通过先学习后蒸馏机制，利用少量演示训练任务特定策略，再经行为蒸馏统一为单一策略，在模拟和真实机器人环境中显著超越多任务与终身学习的最先进方法。
2023-10-12 cs.RO
Embodied CoT Distillation From LLM To Off-the-shelf Agents
Sungkyunkwan University（成均馆大学）
DeDer框架通过将LLM的具身推理分解为推理与规划策略并蒸馏至小语言模型，在ALFRED基准上超越现有方法，实现现成设备上的高效具身决策。
2024-12-16 cs.AI cs.RO
Training Generalist Navigation Policies via Action Self-Distillation
Princeton University（普林斯顿大学）
该研究提出动作自蒸馏（ASD）方法，利用开源VLM作为师生网络，在13项真实世界导航任务中，室内成功率较基线提30%、多阶段任务提30%、室外达95%，实现无人工标注的通用导航策略训练。
2026-10-14 cs.LG cs.RO
Variational Distillation of Diffusion Policies into Mixture of Experts
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；FZI Research Center for Information Technology（FZI信息技术研究中心）
本文提出变分扩散蒸馏（VDD），首次通过可分解变分上界将预训练扩散策略蒸馏为专家混合模型，在九个复杂行为学习任务上取得优于现有蒸馏和常规MoE训练方法的效果。
2024-10-18 cs.AI cs.LG cs.RO
Formal Verification of Learned Multi-Agent Communication Policies via Decision Tree Distillation
University of Arkansas at Little Rock（阿肯色大学小石城分校）
提出通过决策树蒸馏将多智能体强化学习策略转化为可解释模型，并利用PRISM进行形式化验证，确保安全属性转移至原始网络，在无人机编队任务中实现88.9%属性满足率。
2026-06-19 cs.AI cs.LG cs.LO
Score and Distribution Matching Policy: Advanced Accelerated Visuomotor Policies via Matched Distillation
Westlake University（西湖大学）；Southwest University（西南大学）；Zhejiang University（浙江大学）；Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算高精尖创新中心）；School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
针对扩散策略推理慢和一致性蒸馏误差问题，提出SDM Policy，通过score matching与distribution matching两阶段优化及双教师机制，将扩散策略转为单步生成器，实现6倍加速并保持最先进动作质量。
2024-12-19 cs.LG cs.RO stat.ML
dGrasp: NeRF-Informed Implicit Grasp Policies with Supervised Optimization Slopes
Karlsruhe University of Applied Sciences（卡尔斯鲁厄应用技术大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
提出 dGrasp 隐式抓取策略，利用 NeRF 启发的价值函数和基于轨迹梯度的辅助损失监督优化景观斜率，从而改善仿真性能与真实世界零样本迁移。
2024-10-24 cs.RO
LIDEA: Human-to-Robot Imitation Learning via Implicit Feature Distillation and Explicit Geometry Alignment
LIDEA通过隐式特征蒸馏和显式几何对齐，解决人机交互中的表征对齐问题，提升机器人学习效率和域外鲁棒性。
2026-04-12 cs.CV cs.RO
Conditional Energy-Based Models for Implicit Policies: The Gap between Theory and Practice
Toyota Research Institute（丰田研究院）
我们提出了我们的研究结果之间的差距，理论和实践中使用的条件能量为基础的模型（EBM）作为行为克隆政策的隐式表示。我们还澄清了一些微妙的，可能会混淆，在以前的工作中，试图帮助在这一领域的未来研究的细节。我们指出了无条件和有条件EBM之间的关键区别，并警告说，盲目地将一种训练方法应用于另一种训练方法可能会导致不理想的结果，这些结果不能很好地推广。最后，我们强调最大互信息原则的重要性，作为一个必要条件，以实现良好的推广条件EBM作为隐式模型回归任务。
2022-07-12 cs.LG cs.RO
Consistency Policy: Accelerated Visuomotor Policies via Consistency Distillation
Stanford University（斯坦福大学）；Princeton University（普林斯顿大学）
本文提出 Consistency Policy，通过一致性蒸馏从预训练 Diffusion Policy 中提取更快的视觉运动策略，在资源受限机器人上实现低延迟决策，推理速度提升一个数量级且保持竞争力成功率。
2024-06-28 cs.AI cs.RO
Progressive Reinforcement Learning with Distillation for Multi-Skilled Motion Control
University of British Colubia（英属哥伦比亚大学）
深度强化学习已经证明了不断增加的连续控制问题的能力，包括可以在其环境中熟练和敏捷地移动的代理。在这种情况下，一个开放的问题是，制定良好的战略，整合或合并多个技能的政策，其中每一个单独的技能是一个特定的技能和相关的状态分布的专家。我们扩展策略蒸馏方法的连续动作设置，并利用这种技术来结合专家的政策，在不同类别的地形模拟双足运动的域中进行评估。我们还介绍了一种输入注入方法，用于增强现有的政策网络，以利用新的输入功能。最后，我们的方法使用迁移学习来帮助有效地获得新技能。这些方法的组合允许策略使用新技能进行增量增强。我们比较我们的渐进式学习和集成通过蒸馏（PLAID）方法对三个替代基线。
2018-02-13 cs.AI cs.LG cs.RO
Continual Reinforcement Learning deployed in Real-life using Policy Distillation and Sim2Real Transfer
ENSTA ParisTech（ENSTA巴黎高科）；INRIA（法国国家信息与自动化研究所）；Softbank Robotics Europe（软银机器人欧洲公司）；Thales（泰雷兹集团）
我们专注于教机器人解决顺序提出的任务的问题，即，in a持续学习scenario场景.机器人应该能够解决它遇到的所有任务，而不会忘记过去的任务。我们提供了初步的工作应用强化学习，这样的设置，在2D导航任务的3轮全向机器人。我们的方法利用状态表示学习和策略蒸馏。使用学习的特征作为输入而不是原始观察来训练策略，从而允许更好的样本效率。策略蒸馏用于将多个策略组合成单个策略，以解决所有遇到的任务。
2019-06-11 cs.LG cs.RO stat.ML
Learning Robust Real-World Dexterous Grasping Policies via Implicit Shape Augmentation
University of Washington（华盛顿大学）；NVIDIA（英伟达）
灵巧的机器人手有能力与各种各样的家用物体进行交互，以执行抓取等任务。然而，由于难以生成高质量的训练数据，学习针对任意对象的鲁棒现实世界抓取策略已被证明是具有挑战性的。在这项工作中，我们提出了一个学习系统（ISAGrasp），利用少量的人类示范引导生成一个更大的数据集，包含成功把握各种新的对象。我们的关键见解是使用对应感知隐式生成模型来变形对象网格并展示人类抓握，以便生成新颖对象的多样化数据集和监督学习的成功抓握，同时保持语义现实主义。我们使用这个数据集训练一个强大的抓取策略，可以部署在现实世界中的模拟。我们在模拟和现实世界中展示了四指Allegro手的抓取性能，并表明这种方法可以处理全新的语义类别，并在抓取现实世界中看不见的物体时实现79%的成功率。
2022-10-24 cs.RO
Dynamics Distillation for Efficient and Transferable Control Learning
University of Toronto（多伦多大学）；NVIDIA（NVIDIA公司）；General Motors（通用汽车）；Vector Institute（向量研究所）
本文提出Sim2Sim2Sim框架，通过将高保真车辆模拟器动力学蒸馏为可并行学习的动力学模型，实现更高效的策略优化和可靠的迁移。
2026-05-02 cs.RO
A Change of Frame Makes the Capture Point Proprioceptive: Distillation-Free Humanoid Single-Leg Balance
针对人形机器人单腿平衡的通用策略无法实现干净站立的问题，提出首个可部署动态-CoM策略FDDC，结合相关方法与基准，大幅提升平衡成功率并实现硬件迁移，推动平衡能力的标准化衡量。
2026-10-05 cs.RO
Implicit Behavioral Cloning
Robotics at Google（谷歌机器人）
我们发现，在广泛的机器人策略学习的情况下，对待监督策略学习与隐式模型一般表现得更好，平均而言，比常用的显式模型。我们提出了广泛的实验，这一发现，我们提供了直观的洞察力和理论论据区分隐式模型的属性相比，他们明确的同行，特别是在逼近复杂的，潜在的不连续和多值（集值）函数。在机器人策略学习任务，我们表明，隐式的行为克隆政策与基于能量的模型（EBM）往往优于常见的显式（均方误差，或混合密度）的行为克隆政策，包括对任务的高维动作空间和视觉图像输入。我们发现这些策略在D4RL基准测试套件中具有挑战性的人类专家任务上提供了有竞争力的结果或优于最先进的离线强化学习方法，尽管没有使用奖励信息。在现实世界中，具有隐式策略的机器人可以从人类演示中学习接触丰富任务的复杂和非常微妙的行为，包括具有高组合复杂性的任务和需要1mm精度的任务。
2021-09-01 cs.CV cs.LG cs.RO
The Human--VLA Communication Gap: What Humans Leave Implicit and What Policies Cannot Recover
Stanford University（斯坦福大学）
该研究针对人类与VLA的沟通鸿沟，分离出信息鸿沟与执行鸿沟，分析人类指令压缩行为及当前策略的不匹配问题，为相关学习与界面提供具体目标。
2026-10-14 cs.RO
Implicit Kinematic Policies: Unifying Joint and Cartesian Action Spaces in End-to-End Robot Learning
Google（谷歌）；UC Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
动作表示是深度网络端到端机器人学习中一个重要但经常被忽视的方面。选择一个动作空间而不是另一个动作空间（例如，目标关节位置或笛卡尔末端执行器姿势）可能会导致各种下游任务之间惊人的明显性能差异-因此，大量研究一直致力于为给定应用找到正确的动作空间。然而，在这项工作中，我们反而研究了我们的模型如何发现和学习使用哪个动作空间。利用最近关于隐式行为克隆的工作，将观察和动作作为输入，我们证明了可以在多个不同的空间中向同一策略呈现相同的动作-允许它从每个空间学习归纳模式。具体来说，我们研究的好处相结合的笛卡尔和联合行动空间的背景下，学习操作技能。为此，我们提出了隐式运动策略（IKP），它将运动链作为深度网络中的可微模块。几个模拟连续控制任务的定量实验-从铲起成堆的小物体，到用肘部举箱子，再到用校准错误的机器人精确插入块-表明IKP不仅比基线替代品更好地从像素中学习复杂的可伸缩和非可伸缩操作，而且还可以学习补偿小的关节编码器偏移误差。最后，我们还运行一个真正的UR 5e定性实验，以证明我们的算法的可行性，在物理机器人系统与真实数据。有关代码和补充材料，请参见https://tinyurl.com/4wz3nf86。
2022-03-03 cs.RO
One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation
NVIDIA（英伟达）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出 OneDP，通过沿扩散链进行 KL 蒸馏，把多步扩散策略压缩为单步动作生成器，在仿真和真实机器人任务中保持高成功率并将推理频率提升至 62 Hz。
2024-10-28 cs.LG cs.RO
PTLD: Sim-to-real Privileged Tactile Latent Distillation for Dexterous Manipulation
Carnegie Mellon University（卡内基梅隆大学）；University of Washington（华盛顿大学）；FAIR at Meta（Meta的FAIR团队）；UC Berkeley（伯克利大学）
提出PTLD方法，通过真实世界触觉策略数据蒸馏鲁棒状态估计器，解决触觉仿真困难问题，在灵巧操作任务中相比纯本体感策略提升182%和57%。
2026-06-19 cs.RO
M2Distill: Multi-Modal Distillation for Lifelong Imitation Learning
CSIRO（联邦科学与工业研究组织）；DATA61；Queensland University of Technology（昆士兰科技大学）
针对终身模仿学习中的分布偏移与灾难性遗忘问题，提出多模态蒸馏方法M2Distill，通过跨模态潜在表示对齐与GMM策略差异最小化，在LIBERO基准上全面超越现有方法。
2025-03-07 cs.AI cs.CV cs.LG
Towards Adaptive Humanoid Control via Multi-Behavior Distillation and Reinforced Fine-Tuning
针对人形机器人现有单技能策略泛化性差的问题，提出两阶段自适应人形机器人控制（AHC）框架，通过多行为蒸馏和强化微调实现跨技能与地形的自适应运动控制，提升复杂场景适应性。
2025-11-11 cs.RO
Refined Policy Distillation: From VLA Generalists to RL Experts
Department of Computer Science & Artificial Intelligence, University of Technology Nuremberg（计算机科学与人工智能系，图恩大学）
提出精细化策略蒸馏（RPD），结合在线强化学习与行为克隆，将VLA通才蒸馏为专家策略，在操作任务中超越教师模型并提升收敛速度与泛化能力。
2025-08-04 cs.LG cs.RO
Parkour in the Wild: Learning a General and Extensible Agile Locomotion Policy Using Multi-expert Distillation and RL Fine-tuning
Robotic Systems Lab, ETH Zurich（机器人系统实验室，苏黎世联邦理工学院）；NVIDIA Switzerland（英伟达瑞士）
针对足式机器人现有控制方法在非结构化环境泛化性差的问题，提出多专家蒸馏结合RL微调的敏捷运动框架，经多阶段训练与真实机器人部署验证，显著提升多地形技能整合性能，设定足式机器人运动新基准。
2025-05-16 cs.RO
Cyclic Policy Distillation: Sample-Efficient Sim-to-Real Reinforcement Learning with Domain Randomization
Nara Institute of Science and Technology（奈良先端科学技术大学院大学）
针对域随机化强化学习中因参数范围大导致样本需求大的问题，提出循环策略蒸馏（CPD）方法，通过划分子域学习局部策略并蒸馏为全局策略，显著提升了样本效率与仿真到现实的迁移效果。
2023-04-10 cs.LG cs.RO
Human-Inspired Multi-Agent Navigation using Knowledge Distillation
Clemson University（克莱姆森大学）
本文提出一种结合知识蒸馏与强化学习的框架，利用人类轨迹演示提取专家策略以塑造奖励，训练多智能体在分散环境中学习人类式避碰策略，并在未演示任务中超越专家。
2023-08-29 cs.LG cs.RO
SCDP: Learning Humanoid Locomotion from Partial Observations via Mixed-Observation Distillation
SCDP通过混合观测蒸馏从部分观测中学习人形机器人运动，利用机载传感器实现高效可靠的真实机器人运动控制。
2026-03-10 cs.LG cs.RO
ForMIC: Foraging via Multiagent RL with Implicit Communication
Tufts University（塔夫茨大学）；National University of Singapore（新加坡国立大学）
多智能体觅食（MAF）涉及分配一组智能体来搜索环境并从中提取资源。自然提供了几个高效觅食者的例子，其中觅食集体中的个体使用生物标记（例如，信息素）通过环境向其他人传达关键信息。在这项工作中，我们提出了ForMIC，一个分布式的强化学习MAF方法，赋予代理通过他们的共享环境的隐式通信能力。然而，学习有效的政策与stigmergic互动是非常不平凡的，因为代理需要表现良好，互相发送有用的信号，但也需要感觉到别人的信号表现良好。在这项工作中，我们开发了几种关键的学习技术，用于培训具有污名互动的政策，其中存在这种循环依赖性。通过依靠聪明的课程学习设计，动作过滤，并引入非学习代理，以增加代理密度在训练时，在低计算成本，我们开发了一个最小的学习框架，导致稳定的培训有效的stigmergic政策。我们提出的模拟结果表明，我们学到的政策优于现有的国家的最先进的MAF算法在一组实验，不同的团队规模，数量和资源的放置，以及关键的环境动态没有看到在训练时。
2022-02-13 cs.RO
Progressive-Resolution Policy Distillation: Leveraging Coarse-Resolution Simulations for Time-Efficient Fine-Resolution Policy Learning
Nara Institute of Science and Technology（奈良科学技术研究所）；Kobe City College of Technology（神户市立技术学院）
本文提出渐进分辨率策略蒸馏框架，利用粗分辨率模拟预训练策略以提高细分辨率模拟的效率，同时保持任务成功率。
2026-01-28 cs.LG cs.RO
Guided Online Distillation: Promoting Safe Reinforcement Learning by Offline Demonstration
University of California, Berkeley（加州大学伯克利分校）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
提出GOLD框架，通过离线决策变换器策略引导在线安全强化学习蒸馏出轻量级策略，缓解保守性并提升安全关键场景决策性能。
2023-10-12 cs.LG cs.RO
Domain Adaptation Through Task Distillation
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
提出一种任务蒸馏框架，利用丰富的图像识别数据集连接源域和目标域，成功在ViZDoom、SuperTuxKart和CARLA等仿真器间迁移导航策略，并在标准领域自适应基准上取得良好结果。
2020-08-27 cs.CV cs.LG cs.RO
