学习身体可供以简化动作空间

控制具有多个驱动自由度的具身智能体是一项具有挑战性的任务。我们提出了一种能够发现并在依赖于上下文的高层动作或身体可供性之间进行插值的方法。这些可供性提供了一个抽象的、低维的接口，用于索引高维且时间延展的动作策略。我们的方法与机器学习文献中的近期方法相关，但在概念上更简单且更易于实现。更具体地说，我们的方法需要选择一个赋予有距离度量的 n 维目标传感器空间。该方法随后学习一个同样为 n 维的、可能具有反应性的身体可供性嵌入，使其在目标传感器空间中尽可能广泛地分布。