连续动作回归

让网络直接输出连续的动作数值，用 L1 或均方误差去对齐示范动作。

连续动作回归是机器人策略最直接的出动作方式：网络末端接一个回归头（通常是几层全连接），直接输出关节角、末端位移等实数，训练时用均方误差或 L1 损失（预测值与示范值之差的平方或绝对值）去逼近人类示范。它实现简单，推理只需一次前向计算，速度快。短板在于示范里同一场景有多种合理做法时（动作多峰性），回归会学成几种做法的平均，结果可能哪种都不是；Octo 论文就观察到 MSE 回归头学出的策略动作迟缓、犹豫。常见的替代方案是把动作离散成 token，或用扩散、流匹配生成。不过 2025 年的 OpenVLA-OFT 用 L1 回归配合动作分块和并行解码，把 LIBERO 四个任务集的平均成功率从 76.5% 提到 97.1%，说明回归在很多任务上仍然够用。

例子ACT（Action Chunking with Transformers）训练时用 L1 损失直接回归未来一段关节角序列；OpenVLA-OFT 把 OpenVLA 的离散 token 输出换成 L1 回归头，一次前向就算出整段动作，动作生成吞吐提升约 26 倍。

也叫

回归头、Regression Head、L1 回归、MSE 回归

相关

动作头、动作多峰性、L1 损失、均方误差、扩散动作头、分箱离散化

来源

Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success (OpenVLA-OFT, arXiv 2502.19645)
Octo: An Open-Source Generalist Robot Policy (arXiv 2405.12213)

信息截至

2025-02