视觉运动策略中是否需要本体感受状态？

基于模仿学习的视觉运动策略已广泛应用于机器人操作中，其中视觉观测和本体感受状态通常被共同采用以实现精确控制。然而，在本研究中，我们发现这种常见做法使策略过度依赖本体感受状态输入，导致对训练轨迹过拟合，并造成空间泛化能力差。相反，我们提出了无状态策略，移除本体感受状态输入，并仅以视觉观测为条件预测动作。无状态策略构建于相对末端执行器动作空间中，并应确保包含完整的任务相关视觉观测，此处由双广角腕部相机提供。实证结果表明，无状态策略实现了比基于状态的策略显著更强的空间泛化能力：在跨越多种机器人形态的真实世界任务中，如拾取与放置、具有挑战性的叠衬衫以及复杂的全身操作，高度泛化的平均成功率从0%提高到85%，水平泛化从6%提高到64%。此外，它们在数据效率和跨形态适应性方面也显示出优势，增强了其在真实世界部署中的实用性。访问以下网址了解更多：https://statefreepolicy.github.io。