Neuronale Kontrollpolitik
Eine neuronale Kontrollpolitik ist eine Roboter-Kontrollpolitik, parametrisiert durch ein neuronales Netzwerk, das Beobachtungen (Bilder, Propriozeption, Sprache) direkt auf Aktionen abbildet (Gelenkpositionen, kartesische Deltas, Greifer-Befehle). Im Gegensatz zu klassischen Bewegungsplanungs-Pipelines lernt die neuronale Kontrollpolitik die Abbildung End-to-End aus Daten ohne handcodierte Zwischendarstellungen. Moderne neuronale Kontrollpolitiken verwenden Faltungs-Encoder für Vision, Transformer für Sequenzmodellierung und Architekturen wie ACT, Diffusion Policy oder VLA-Backbones für Aktionsgenerierung. Eine Schlüsseleigenschaft neuronaler Kontrollpolitiken ist, dass sie aus Demonstrationen oder Reward-Signalen trainiert werden können, was ihnen ermöglicht, Aufgaben zu bewältigen, die zu komplex für handcodierte Controller sind. Siehe dies in der Praxis: unsere realen Evaluierungen →