无量化自回归动作变换器
机器学习
2025-12-09 v3 机器人学
摘要
当前基于变换器的模仿学习方法引入离散动作表示，并在所得潜在码上训练自回归变换器解码器。然而，初始量化破坏了动作空间的连续结构，从而限制了生成模型的能力。我们提出了一种无量化方法，利用生成无限词汇变换器作为自回归变换器的直接、连续策略参数化。这简化了模仿学习流水线，同时在各种流行的模拟机器人任务上取得了最先进的性能。通过仔细研究采样算法，我们增强了策略展开，进一步改善了结果。
引用
@article{arxiv.2503.14259,
title = {Quantization-Free Autoregressive Action Transformer},
author = {Ziyad Sheebaelhamd and Michael Tschannen and Michael Muehlebach and Claire Vernade},
journal= {arXiv preprint arXiv:2503.14259},
year = {2025}
}