具身智能全文深读与原图讲解

Chronos Policy：让机器人知道观察发生在何时、动作应该何时执行

时间戳与时间随机化互补，但小样本任务得分不等同完整成功率

Changhao Wang、Jaden Clark、Shuran Song · Stanford预印本首发 · 故障期间补收 2026.10.09

论文公开 · 代码待发布

IN A NUTSHELL

同样两帧画面，间隔20毫秒与200毫秒代表不同速度；模型如果只知道帧的位置，就无法区分。Chronos把图像、力和本体状态的采集时刻，以及所请求动作的未来执行时刻，直接写进注意力的位置编码，用相对物理时间解释异步传感器与推理延迟。

图解主要方法

何时采集、何时执行，怎样影响同一段动作预测？

1
保留实际采集时间
图2(a)：每个观测保留实际采集时间，不把多频率传感器强制重采样成一个固定时间格。图像patch继承帧时间，力和本体状态使用测量时间。动作token初始化为噪声，附带希望执行的时间t+d+jΔt，其中d表示预计推理延迟。内容特征、模态和空间嵌入继续保留。
2
让相对时间控制注意力
图2(b)：时间相对当前请求时刻表示，用于旋转注意力的query和key，而非直接加到内容向量。点积包含R(tj-ti)，共同平移所有时钟不改变该关系。实现旋转16对坐标，周期在0.1至2秒之间对数分布；这不是声称任意时间跨度都能可靠外推。
3
训练随机化时序
图2(c)与§3.3：训练随机化各模态采样频率、送达延迟和动作chunk起点，保留对应真实时间戳。先选择请求时刻可获得的观测，再以L1损失预测干净动作；扩散噪声时间步与现实时间是两个不同变量。单纯增加时间随机化却隐藏时间戳会让相同序列位置含义不确定。
4
推理估计延迟并丢弃过期动作
§3.4：推理时继续执行上一段动作，使用已完成请求估计本次延迟；新动作到达时丢弃执行时刻已过的项。实验固定每段16动作、20Hz，改变控制频率和让行为任意加减速仍是未来方向。

已读正文与附录A–C，核对表1–9和原图；未独立复现。

来源证据共同骨干16层、宽512、8头，SigLIP2 base图像编码器；50轮训练。Conveyor/Pivoting每种方法和条件3训练种子×3评测种子×50回合，报告训练种子间样本标准差；检查点按名义验证成功率选取。附录A、B.1–B.2 ↗

我的解读骨干和训练设定控制较好，但时间随机采样同时改变数据利用方式，应把时间表示与增强拆开比较。

来源证据Conveyor综合扰动下DP为0%，AddTime为7.8±2.0%，完整RoPE为32.7±5.7%；去掉随机化的RoPE为10.7±0.7%。Pivoting相应完整RoPE为38.4±17.8%。附录B表3 ↗

我的解读两项组成共同发挥作用；32.7%不是可部署的高可靠性，Pivoting种子方差也较大。

来源证据六项准静态任务的扰动平均从59.7%到73.4%，但Threading综合扰动DP为77.3±8.1%，Chronos为63.3±3.1%。附录B表4 ↗

我的解读平均改进不能改写成每个任务或条件均不退化。

来源证据真实Dynamic Cup与Peg Insertion每条件10次，Pivoting每条件20次；任务得分=100×(完整成功+0.5×部分成功)/试验数。综合扰动Chronos得分分别55、65、75，而完整成功数分别5/10、6/10、14/20。附录C表5–9 ↗

我的解读需要区分加权任务得分和完整成功率。每条件样本很小，且部分成功定义因任务不同：杯子侧放、超过30秒插入或立起后倒下，不能视为同等完成。

2026-10-14打开作者项目页，代码标记Coming soon；未确认实现、权重或训练数据可下载。论文首发为2026-10-09，不能使用列表公告10-12替代首发。

LICENSE论文CC BY 4.0；没有已核实的代码或权重许可。

独立分析 · 未复现实验

RoPE与AddTime使用相同时间输入和随机化，对照直接针对“时间怎么进入网络”；显式表示观测年龄与动作未来时刻，也能同时覆盖传感器和推理两类延迟。

真实任务每条件只有10或20次；时钟精度、不同传感器时钟偏置、突发长尾延迟未得到充分压力测试。所有方法20Hz，不能把连续时间位置表示误读为连续控制频率已经验证。

适合时间戳可靠、动态目标或异步多传感器明显的模仿学习管线。现有证据支持对指定扰动的相对鲁棒性，不构成安全保证或普遍任务提升。

未执行的验证方案：固定同一演示集和训练预算，对DP、随机化DP、RoPE无随机化、AddTime、完整Chronos作配对评测；加入时钟偏置、漂移和不可预测长尾延迟，分别报告完整成功、部分成功、接触力峰值、过期动作比例及置信区间。