Chronos Policy
一种机器人策略模型，基于扩散Transformer架构，通过显式引入物理时间戳作为输入，使策略能感知真实时间间隔，支持异步多频率传感器数据，提升时序鲁棒性
时间轴 (近 90 天)
Chronos Policy 的核心主张是把物理时间变成策略的显式输入，让模型知道每次观测的采集时刻以及每个动作期望被执行的时刻
Chronos Policy 建立在扩散 Transformer（diffusion transformer）架构之上
研究者探索了两种将物理时间引入模型的方法：时间戳嵌入和时间感知的旋转位置编码（time-aware RoPE）
实验结论表明时间感知 RoPE 比时间戳嵌入更加稳健
Chronos Policy 在训练中对两件事做时序随机化：随机采样哪些观测被使用，以及随机决定动作块从何时开始执行
训练时的时序随机化让策略能够从异步、多频率的数据中学习，而无需把所有测量对齐到固定的时间网格
在动态任务上，Chronos Policy 带来了明确的性能提升
在多传感任务上，Chronos Policy 表现更好
在标准的准静态任务上，Chronos Policy 保持了与基线相当的名义性能，同时提升了对感知和推理时序变化的鲁棒性
当策略要面对真实世界的时间不确定性时，与其让模型隐式去猜时间，不如直接把时间作为显式输入告诉模型
全部知识事实 (10)
Chronos Policy 的核心主张是把物理时间变成策略的显式输入，让模型知道每次观测的采集时刻以及每个动作期望被执行的时刻
50%待验证Chronos Policy 建立在扩散 Transformer（diffusion transformer）架构之上
50%待验证研究者探索了两种将物理时间引入模型的方法：时间戳嵌入和时间感知的旋转位置编码（time-aware RoPE）
50%待验证实验结论表明时间感知 RoPE 比时间戳嵌入更加稳健
50%待验证Chronos Policy 在训练中对两件事做时序随机化：随机采样哪些观测被使用，以及随机决定动作块从何时开始执行
50%待验证训练时的时序随机化让策略能够从异步、多频率的数据中学习，而无需把所有测量对齐到固定的时间网格
50%待验证在动态任务上，Chronos Policy 带来了明确的性能提升
50%待验证在多传感任务上，Chronos Policy 表现更好
50%待验证在标准的准静态任务上，Chronos Policy 保持了与基线相当的名义性能，同时提升了对感知和推理时序变化的鲁棒性
50%待验证当策略要面对真实世界的时间不确定性时，与其让模型隐式去猜时间，不如直接把时间作为显式输入告诉模型
50%