act笔记
💡
原文中文，约1600字，阅读约需4分钟。
📝
内容提要
ACT通过将动作打包，能够一次性预测未来k个时间步的动作序列，有效减少误差累积。它结合超低成本的遥操作平台、CVAE模型和Transformer架构，提升了机器人的控制精度和动作平滑度。
🎯
关键要点
- ACT通过将动作打包，一次性预测未来k个时间步的动作序列，有效减少误差累积。
- ALOHA遥操作平台由廉价机械臂和3D打印部件组成，提供高控制带宽和稳定性。
- ACT改变了传统的单步预测策略，直接生成未来k个时间步的目标关节位置序列。
- 为了提高动作平滑度，ACT在每个时间步查询策略网络，避免运动生硬。
- ACT使用指数加权方案对多个预测动作进行加权平均，产生平滑和精确的动作。
- ACT将策略训练为条件变分自编码器（CVAE），捕捉人类演示中的变异性。
- CVAE编码器接收关节位置和目标动作序列，通过[CLS] token输出风格变量的均值和方差。
- 图像特征通过ResNet18提取，并与关节位置和风格变量拼接，送入Transformer编码器。
- 使用标准的VAE目标函数进行优化，发现L1损失比L2损失能获得更精确的动作建模。
- 在推理时，CVAE编码器被丢弃，风格变量设置为先验分布的均值。
🏷️
标签
➡️
