arXiv cs.RO· Haoran Chen, Jingtian Ji, Samuel Wheeler, Kaylene Caswell Stocking, Matthew Walter·· 3 小时前
超越重建：机器人策略的动作 Tokenization 什么最重要？ProAct 提出可预测且鲁棒的动作分词方法
Beyond Reconstruction: What Matters in Action Tokenization for Robot Policies?
AI 导读
ProAct 是一种策略无关的动作分词器训练方法，通过策略性增强重建目标来提升下游可预测性与鲁棒性，仅用动作数据集训练。在 Robomimic、LIBERO 和 RoboTwin 基准及多种分词器架构上，ProAct 将 rollout 成功率平均提升 11.3 个百分点；在 VLA 策略和真实机器人操作中分别平均提升 21.8 和 36.7 个百分点。
来源：arXiv cs.RO · arxiv.org