arXiv cs.RO 机器人学· Zeji Yi, Soham Dasgupta, Xinyang Zhang, Koushil Sreenath, Guannan Qu, Xi Chen, Max Simchowitz, Guanya Shi·· 2 小时前精选AI 评分63
研究比较离散与连续动作表示在 VLA 策略中的任务成功率表现
When Do Discrete Actions Make Good Continuous Controllers?
AI 导读
该论文对比了连续与离散动作表示在单任务和多任务 VLA 训练中的表现，覆盖仿真与真实硬件。结果显示即使最朴素的均匀分箱量化，离散动作预测的任务成功率也能匹配甚至超过连续策略；其瓶颈并非动作精度，而是跨时间与动作维度乘积分布预测带来的分解误差，配合离散流的迭代计算或无分类器引导的分布锐化可将其转为优势。
推荐理由
论文指出离散策略的瓶颈在于跨时间与动作维度的分解误差而非量化精度，为动作表示选型提供了可检验的归因。
来源：arXiv cs.RO 机器人学 · arxiv.org