ESP：用于单步多模态动作生成的能量分数策略

ESP（Energy-Score Policy）是一种免教师（teacher-free）方法，将策略上下文与噪声经单次网络评估直接映射为动作 chunk。它用能量分数而非均方误差训练动作头，以严格恰当的目标学习多模态动作分布，在模型可表示目标分布时于总体最优处精确恢复。仿真与真实操作实验显示其任务成功率具竞争力，动作生成延迟显著低于 flow matching 基线。