ACT

斯坦福 2023 年提出的模仿学习策略，一次预测一段动作，让低成本双臂做精细活。

ACT 是斯坦福 Tony Zhao、Chelsea Finn 等人（合作方含 UC Berkeley、Meta）2023 年 4 月提出的模仿学习算法，与低成本双臂平台 ALOHA（硬件预算约 2 万美元）一起发表于 RSS 2023。行为克隆（照着人类演示学动作）每一步的小误差会越积越大，精细任务尤其容易失败。ACT 让 Transformer 一次输出未来一整段动作（动作分块），决策次数变少，误差累积也少；训练时套一层条件变分自编码器（CVAE，能表达同一场景多种做法的生成模型）来吸收人类演示的随机性；执行时用时序集成把重叠的动作块加权平均，让动作更平滑。它结构简单、数据需求小，后来成为 Mobile ALOHA、LeRobot 等项目的常用基线。

例子在 ALOHA 上，ACT 每个任务只用约 10 分钟的遥操作演示，就学会了打开半透明调料杯、把电池插进槽里等 6 个精细任务，成功率 80%–90%。

也叫

动作分块 Transformer、Action Chunking Transformer

相关

动作分块、时序集成、条件变分自编码器、ALOHA 双臂平台、Mobile ALOHA、行为克隆

来源

Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware (arXiv 2304.13705)
ALOHA / ACT 项目主页

信息截至

2023-04