arXiv · cs.RO· Shota Nomura·· 22 小时前精选AI 评分65
基于运动基元表示法的平滑动作分块用于模仿学习
Smooth Action Chunking Via Movement-Primitive Representations for Imitation Learning
AI 导读
Shota Nomura提出了一种基于运动基元表示法的平滑动作分块方法，用于解决模仿学习中轨迹抖动和不连续问题。该方法将轨迹段表示为平滑基函数的线性组合，在单次和迭代型骨干网络上测试，使块内抖动降低一个数量级和2.4倍，边界不连续性减少73-84%，同时保持任务成功率不变。该方法无需重新训练，适用于实时查询的机器人策略。
推荐理由
通过运动基元表示法平滑动作分块，解决了机器人执行中的抖动问题，无需重新训练即可显著降低轨迹不连续性。
来源：arXiv · cs.RO · arxiv.org