arXiv · ML· Shota Nomura, Takayuki Osa, Yasuhiro Kato, Kazuki Ota, Naoki Shitanda, Tatsuya Harada·· 21 天前AI 评分22
基于运动基元动作分块平滑机器人模仿学习轨迹的方法
Smooth Action Chunking Via Movement-Primitive Representations for Imitation Learning
AI 导读
该方法将动作分块轨迹表示为平滑基函数的线性组合,在保持策略架构与推理过程不变的前提下,通过构造性平滑降低抖动。 在 one-shot ACT 骨干上降低约一个数量级、iterative DiT 骨干上降低 2.4 倍的 chunk 内部 jerk;条件化校正可消除 73%–84% 的 chunk 边界不连续,且单步开销可忽略。
来源:arXiv · ML · arxiv.org