文章核心观点 - 当前机器人多模态学习的主流方法——特征拼接（Feature Concatenation）在处理传感器信息稀疏或互补的任务时存在根本缺陷，会导致性能下降甚至失败[3][7] - 提出了一种名为“组合策略”（Compositional Policies）的新框架，通过为每个传感器模态训练独立的专家策略，并在策略层面进行组合，有效解决了传统方法的局限性[9][12] - 新方法在模拟和真实世界的多项机器人操作任务中，性能显著优于传统的特征拼接方法和单模态策略，并具备模块化、增量学习和运行时鲁棒性等优势[29][33][34] 当前多模态机器人学习方法的局限性 - **主流方法**：目前多采用特征拼接，即提取所有传感器的嵌入（embeddings），拼接成一个大向量后输入单一神经网络策略[5] - **根本缺陷一：稀疏信号被抑制**：在处理如“在黑暗背包中找钥匙”这类任务时，偶尔出现的关键信号（如触觉）在统计上被视为“噪音”而被网络过滤掉，导致增加传感器反而降低性能[3][16] - 实验数据显示，在遮挡抓取任务中，仅使用RGB视觉的成功率为35%，而增加触觉数据后，采用特征拼接方法的成功率暴跌至5%[3][16] - **根本缺陷二：缺乏模块化**：所有模态在特征层面紧密耦合，导致无法灵活添加或移除传感器[8][16] - 添加新传感器或移除故障传感器时，必须从头重新训练整个策略，成本高昂[16] - 单个传感器故障可能导致系统发生灾难性故障[16] 提出的解决方案：组合策略框架 - **核心思想**：放弃特征级拼接，转向策略级组合。为每个感官模态（如RGB、触觉、点云）训练独立的专家策略，然后学习如何组合它们的动作预测[9][17] - **工作原理**： - **模态特定专家**：每个专家是一个基于扩散策略/能量模型的实例，专注于自己的感官流，互不干扰[17] - **模态内分解**：在模态内部可进一步分解为互补的子策略（如视觉分为粗略几何和细粒度细节）[17] - **学习共识权重**：通过一个路由器网络（Router）学习预测权重，动态决定每个模态对最终动作的影响程度[17] - **关键优势**： - **解决稀疏性**：每个专家学习自己的动作分布，稀疏模态（如触觉）的专家可以高度专业化，不被其他模态干扰[12] - **模块化设计**：专家独立训练，添加新传感器只需训练新专家并与现有专家组合，无需重训整个系统[13] - **简单实现**：在扩散模型中，组合多个策略对应于概率分布相乘，等同于简单的分数函数相加[13] 实验验证与性能结果 - **模拟环境（RLBench）**：在四个操作任务上，组合策略方法的平均成功率为66%，显著优于单模态策略的49%和特征拼接方法的56%[29] - **真实世界实验（UR5e机器人）**： - **遮挡记号笔抓取**：组合策略成功率为65%，而仅RGB为35%，特征拼接方法仅为5%[34] - **勺子重定向**：一种灵巧的手内操作任务，组合策略成功率为75%，特征拼接方法为21%[34] - **拼图插入**：需要毫米级精度的任务，组合策略成功率为52%，特征拼接方法为40%[34] - **增量学习演示**：完全独立训练RGB和触觉策略后，使用固定相等权重组合（无联合训练），成功完成了单独策略都无法处理的遮挡记号笔抓取任务[15][18] 系统的鲁棒性与自适应性 - **运行时扰动**：在执行过程中突然抢走物体，机器人能适应并完成任务[21] - **传感器损坏**：遮挡一个摄像头模拟故障时，路由器网络将权重转移到剩余功能传感器上，系统表现保持稳定[23] - **物体重新定位**：移动任务相关物体后，策略能成功泛化到新位置[25]

核心观点 - 报告认为8月债市急跌是风险偏好切换与产品浮盈偏薄共同作用的结果 长期利率债和超长信用债回撤显著 但负债端未出现系统性冲击 中短久期信用债表现稳健 短期策略建议关注价差交易和优质城投债机会 [6][45][70] 市场表现与回撤分析 - 上证指数触及3705点 活跃十年国债收益率最高升至1.75% 三十年超长特别国债逼近2% 8月以来估值净价跌幅达1.68% [3][13] - 30年国债组合最近一周亏损达192bp 年内收益转为-1.06% 10年国债组合亏损49bp 银行二级资本债和长久期信用组合回撤较大 [4][21] - 中短债防御优势显著 5年内信用债全价指数跌幅多在0.2%以内 满仓1年AA及AA(2)城投债组合近一周实现正收益 [3][4][21] 负债端稳定性分析 - 超长信用债流动性枯竭 近一周仅38笔成交 但基金通过增持1-3年银行永续债（单周规模57亿元）和减持3-5年二级资本债进行换仓 未出现全面负债冲击 [5][58][62] - 理财规模微降但持债行为延续 信用债单周买入规模超100亿元 仅3年内二级债有小幅卖出 [64][66][69] - 基金减持弱资质城投债规模低于年内调整阶段 重点省份AA/AA(2)/AA-城投债卖出规模未触及底仓资产 [5][63][65] 收益结构与策略建议 - 10年以上信用债收益位于去年以来20%分位数以上 距离年内低点均值17bp 中高等级中短久期信用债距离低点约10bp [52][55] - 4-5年国股行二级资本债定价逼近10年国债加点30bp上限 2.0%-2.05%为适宜参与区间 [7][73][74] - 城投新债供给收缩 建议关注3-5年隐含评级AA+以上优质城投债 一级定价过度偏离二级的新债存在博弈机会 [7][75][76] ETF与产品表现 - 信用类ETF产品累计收益率回落 做市商信用债ETF均值降至56bp 科创债ETF均值降至-27bp [32][34][37] - ETF换手率均值下降导致流通市值收缩 8只做市商信用债ETF流通市值出现负增长 科创债ETF流通市值波动率加剧 [38][40][47] - 中长期纯债基金收益中位数转负 最近一月利率债基与信用债基收益分别为-0.08%和-0.10% [32][33]