ACT (Действие на фрагменты с Transformers)
ACT — это алгоритм обучения имитации, представленный Tony Zhao et al. (2023), который обучает политику на основе трансформера предсказывать фиксированную последовательность будущих действий вместо одного действия на каждом временном шаге. Предсказывая последовательности действий за один раз, ACT снижает накопленную ошибку, типичную для пошагового клонирования поведения, и создает временно согласованное движение. Архитектура кодирует RGB-наблюдения и проприоцептивное состояние через кодировщик в стиле CVAE и декодирует фрагменты действий с помощью трансформера. ACT был продемонстрирован на двуручной платформе ALOHA, достигнув высокой производительности на задачах, таких как открытие сумки и перемещение яиц. См. также: Действие на фрагменты (глубокое погружение). Посмотрите это в действии: наши оценки в реальном мире →