哈佛团队 BEACON 论文获 NeurIPS 2026 接收：让模型自己学跨域数据该信多少

哈佛 Heng Yang 团队的 BEACON 论文被 NeurIPS 2026 接收，提出让模型自学每条源域数据该信任多少，以解决机器人策略的跨域数据混合问题。该方法将跨域共训建模为差异感知的重要性重加权，联合训练扩散视觉运动策略与逐样本源数据权重。在 sim-to-sim、sim-to-real 与多源操作实验中，BEACON 的鲁棒性和数据效率优于仅用目标域数据、固定比例混合和特征对齐基线。