动作表示

用什么量、相对什么坐标、什么格式来描述机器人要做的动作。

动作表示指策略输出的动作用什么形式来写，是搭机器人学习系统时最先要定的事之一。它包含几层选择：控制什么量（关节角度、末端执行器位姿，还是速度、力矩）；相对于什么（全局绝对坐标、相对上一步的增量，还是相对当前位姿的一整段轨迹）；旋转怎么写（欧拉角、四元数，或被证明对神经网络更连续、更好学的 6D 表示）；以及输出格式（连续数值、离散 token，或潜在动作、轨迹点等更抽象的中间表示）。同一个模型换一种动作表示，成功率可能差很多，所以论文里通常会专门说明并做对比。

例子UMI 论文在摆杯子任务上对比：相对当前末端位姿的整段轨迹成功 20/20，逐步增量 16/20（误差会累积），全局绝对坐标只有 5/20。

也叫

动作参数化、Action Parameterization

相关

动作空间、增量动作 / 绝对动作、6D 旋转表示、动作分词器、潜在动作、末端位姿

来源

Universal Manipulation Interface (UMI, arXiv:2402.10329)
On the Continuity of Rotation Representations in Neural Networks (arXiv:1812.07035)
A Survey on Vision-Language-Action Models: An Action Tokenization Perspective (arXiv:2507.01925)