返回Glossary
ACT（Action Chunking with Transformers）
ACT 是由 Tony Zhao 等人（2023）提出的模仿学习算法，训练基于 Transformer 的控制策略来预测固定长度的动作块，而不是在每个时间步预测单个动作。通过一次性预测动作序列，ACT 减少了逐步行为克隆中典型的误差累积，并产生时间上一致的运动。该架构通过 CVAE 风格的编码器对 RGB 观测和本体感受状态进行编码，并使用 Transformer 解码动作块。ACT 在 ALOHA 双臂平台上得到演示，在打开袋子和转移鸡蛋等任务上取得了强劲性能。另见：Action Chunking（深度解析）。 实际应用：查看我们的真实世界评估 →