ESP：单步生成多模态动作的能量分数策略

研究者提出 ESP（Energy-Score Policy），一种无需教师模型的方法，将策略上下文与噪声在单次网络评估中直接映射为动作块。ESP 用能量分数而非均方误差训练动作头，以学习多模态动作分布，避免扩散与流匹配策略的迭代采样。在仿真与真实世界操作任务上，其任务成功率与流匹配基线相当，动作生成延迟显著更低。