ReAT用残差动作分词提升机器人策略成功率

Dijia Zhan 等研究者提出残差动作分词方法 ReAT，用于自回归机器人策略的动作分词器：每个 token 在解码重建中承担明确角色，用已解码结果作为反馈、针对剩余动作误差构造下一个 token，使编码与解码形成闭环。 论文称，在覆盖三个仿真基准与真实场景的 19 项操作任务上，8-token ReAT 策略的任务成功率超过所评测的基线；在 LIBERO 上，4-token ReAT 以一半 token 预算超过所评测的 8-token 动作分词基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。