Learning to Be Different：面向组合扩散策略的组件专门化方法

一项研究提出名为 score-decorrelation 的即插即用辅助损失，用于解决线性组合分数的扩散策略在多任务机器人学习中组件预测趋同、难以解释的问题。该损失通过惩罚组件噪声预测之间的重叠来鼓励专门化，几乎不改动架构、计算开销很小。在多个基准上的实验显示，该方法持续降低组件间的重复计数、改善任务分解，并在不影响多任务性能的前提下产生有行为意义的专门化。