等变策略 / 等变网络

输入旋转或平移时，输出按同样方式变化的网络，把对称性写进结构里。

等变（equivariance）指输入做某种变换（旋转、平移、镜像）时，输出也按对应方式变换。Cohen 和 Welling 2016 年提出群等变卷积网络（G-CNN），把对称性直接做进网络层，不必靠数据增强慢慢学。机器人操作天然有这种对称性：桌上的杯子转 90 度，抓取动作也该跟着转 90 度。Wang 等人的等变扩散策略（EquiDiff，CoRL 2024）把绕竖直轴的平面旋转对称（SO(2)）加进扩散策略，在 MimicGen 的 12 个仿真任务上平均成功率比原版扩散策略高约 21.9%，真机上用 20–60 条演示就能学会任务。代价是网络实现更复杂，而且只对设计时指定的那类对称有效。

例子EquiDiff 在真机「烤贝果」任务上用 58 条演示达到 80% 成功率，同样数据下原版扩散策略只有 10%。

也叫

等变扩散策略、Equivariant Diffusion Policy、EquiDiff、群等变卷积网络、G-CNN

相关

扩散策略、归纳偏置、数据增强、样本效率、神经描述子场、卷积神经网络

来源

Equivariant Diffusion Policy (Wang et al., CoRL 2024, arXiv 2407.01812)
Group Equivariant Convolutional Networks (Cohen & Welling, ICML 2016)