Startpunkt im Rauschen wählt die Strategie des Roboters: MOSS trifft auf echter Hardware zu 84 % das gewünschte Verhalten

Generative Roboter-Policies lernen mehrere gültige Wege für dieselbe Aufgabe, etwa die Annäherung von links oder rechts. Kann ein Bediener oder Planer zuverlässig festlegen, welcher Weg ausgeführt wird, auch wenn die Trainingsdaten einen Weg stark bevorzugen?

Diffusions- und Flow-Matching-Policies bilden mehrere Verhaltensweisen ab, doch welche ausgeführt wird, entscheidet der Zufall. Die übliche Lösung, den gewünschten Modus als Bedingung etwa per Sprachanweisung einzuspeisen, versagt oft bei unausgewogenen Demonstrationen: Das Netz lernt Abkürzungen vom reichhaltigen Bild zur Aktion und übergeht das schwache Bedingungssignal. Gelernte Gauß-Mischungen im Quellraum haben keine feste Bedeutung und brauchen zusätzliche Netze zur Zuordnung.

Modusbedingtes Flow Matching gibt den gewünschten Modus an das Geschwindigkeitsnetz; GMM-basiertes Flow Matching lernt Mischkomponenten ohne semantische Labels; unbedingte Policies wie Diffusion Policy, ACT und BET reproduzieren mehrere Verhaltensweisen, ohne Kontrolle darüber, welche erscheint.

Die Autoren zeigen, dass bei deterministischem ODE-Transport verschiedene Modi bereits aus unterschiedlichen, wenn auch verschränkten Regionen des Startrauschens stammen. MOSS macht diese Struktur explizit: Jeder Modus erhält eine eigene Gauß-Quelle, und ein Schätzer der Multimodalität misst, wie stark die möglichen Verläufe im aktuellen Zustand auseinandergehen. Wo sich Verhaltensweisen ähneln, rücken die Quellen zusammen, an Verzweigungspunkten auseinander. Das Moduslabel wählt nur die Startverteilung und geht nie in das gemeinsame Geschwindigkeitsfeld ein; im Betrieb genügt die Stichprobe aus der passenden Komponente.

Bei drei realen Aufgaben auf einem Galaxea R1 Lite (Becher abstellen, Gemüse greifen, Schublade öffnen) erreichte MOSS für die beiden Modi Steuerquoten von 0,95 und 1,00, 0,80 und 0,65 sowie 0,90 und 0,75, während die modusbedingte Referenz bei Gemüse und Schublade je einen Modus mit 0,00 verfehlte. Der von MEKAWIRE gebildete Mittelwert der sechs Quoten liegt bei 84,2 % gegenüber 40,8 %, passend zum Abstand von 43,3 Punkten im Paper. Die mittlere reale Erfolgsquote betrug 85,3 % gegenüber 73,3 % für die modusbedingte Policy und 68,3 % für FM-DiT; bei der Schublade lag die Referenz mit 0,85 knapp vor MOSS (0,83). In vier bimodalen Simulationsaufgaben lag die mittlere Steuerquote bei 96,4 % gegenüber 94,5 % mit Modusbedingung und 74,0 % mit GMM-Quellen; bei einem Modus von Put Wine lag MOSS mit 0,86 hinter 0,94. Bei einem Datensatz im Verhältnis 10 zu 90 steuerte MOSS den Minderheitsmodus in über 90 % der Fälle an. Ablation über drei Aufgaben: eine gemeinsame Gauß-Quelle 67,0 %, feste Trennung 85,5 %, vollständiges MOSS 98,8 %.

Es handelt sich um einen Preprint. Die Modi müssen eine feste, vor dem Training definierte diskrete Menge sein; offene oder kontinuierliche Verhaltenssteuerung deckt das Verfahren nicht ab, und die Leistung in großen generativen Roboter-Policies ist nach Angabe der Autoren ungeprüft. Der Realversuch umfasst drei Aufgaben mit je zwei Modi auf einer Plattform. In der Simulation ist der Vorsprung gegenüber einfacher Modusbedingung mit rund zwei Punkten klein; der Nutzen zeigt sich vor allem auf realer Hardware und bei unausgewogenen Daten, belegt mit wenigen Aufgaben.