无需再训练即可增强性能！港大团队提出GPC框架，实现机器人「策略组合」

主要观点总结

本文介绍了香港大学团队提出的GPC（通用策略组合）框架，该框架能在不增加训练负担的情况下，通过测试时对多个预训练模型进行策略组合，提升机器人策略的性能。GPC框架具有即插即用的通用性，能灵活融合不同架构和模态的机器人策略。经过实验验证，GPC在仿真和真实环境中均展现出超越单一基线方法的性能。

关键观点总结

关键观点1: GPC框架介绍

GPC是一个免训练解决方案的框架，能够在测试时通过策略组合提升机器人性能。

关键观点2: GPC框架的优势

GPC具有即插即用的通用性，能灵活整合各种机器人策略，打破模型架构和模态的界限。它不再依赖于额外的模型训练，而是通过测试时动态融合多个预训练策略的决策分数来实现性能增强。

关键观点3: GPC框架的理论基础

GPC框架建立在坚实的数学和系统稳定性证明之上，其理论基石主要包括功能层面的提升和系统层面的稳定性两个核心发现。

关键观点4: GPC框架的应用

GPC框架在仿真和真实环境中均得到广泛应用，如Robomimic、PushT、RoboTwin等仿真测试平台和PiPER机器人真机实验，展现了其提升策略性能的能力。