Política de Controle Neural
Uma política de controle neural é uma política de controle robótico parametrizada por uma rede neural que mapeia observações (imagens, propriocepção, linguagem) diretamente para ações (posições de junta, deltas cartesianos, comandos de garra). Em contraste com pipelines clássicos de planejamento de movimento, políticas de controle neural aprendem o mapeamento ponta-a-ponta a partir de dados sem representações intermediárias codificadas manualmente. Políticas de controle neural modernas usam codificadores convolucionais para visão, Transformers para modelagem de sequências e arquiteturas como ACT, Diffusion Policy ou backbones VLA para geração de ações. Uma propriedade chave das políticas de controle neural é que podem ser treinadas a partir de demonstrações ou sinais de recompensa, permitindo que lidem com tarefas muito complexas para controladores codificados manualmente. Veja isso na prática: nossas avaliações em mundo real →