International Conference on Computer VisionI (ICCV) 中文全称国际计算机视觉大会，这个会议是由IEEE主办的全球最高级别学术会议，每两年在世界范围内召开一次，在业内具有极高的评价。ICCV 2025将于2025年10月19日-10月23日在美国夏威夷举办，ICCV 2025 共有11239份投稿，录用2698篇，录取率为24%。录用论文简要介绍如下：

从示范中进行策略学习是将观测映射为动作的监督学习任务，已在多种机器人任务中展现出良好效果。引入视觉领域的生成模型进一步提升了机器人在复杂操作中的精度。自回归模型结构简单、效率高，但难以建模长时依赖和全局一致性，限制了其性能。扩散模型虽能捕捉多模态分布、提升精度，但其多步生成过程计算开销大，难以满足实时性和灵活性需求，尤其在资源受限或动态环境中表现受限。

自回归建模（AM）和扩散建模（DM）在视觉运动策略学习中各具优势：AM 推理高效、部署灵活，DM 则凭借多模态建模带来更高精度。然而，两者在实际应用中难以兼顾。为此，我们提出一种新颖的策略生成框架 CARP，通过多尺度的由粗到细预测方式生成整段动作序列，融合了 AM 的效率与 DM 的性能优势。CARP 核心包括两项关键设计：一是提出层次化动作表示方法，兼顾全局结构建模与时间局部性，缓解 AM 的局限性；二是在潜空间中逐步细化动作，引入放松马尔可夫假设与交叉熵损失，实现接近 DM 的精度，同时保持高效推理能力。在多种仿真和真实操作任务中，CARP 实现最高 10× 推理加速、高达 10% 成功率提升，展现出一种高效、灵活且性能优越的策略学习新范式。