Contour task

新的 PAC-ACT 框架增强了机器人操作策略

研究人员开发了 PAC-ACT，一个新颖的强化学习框架，旨在增强预训练动作分块 Transformer (ACT) 策略在工业机器人操作中的性能。该训练后方法在分块级别优化策略，利用 ACT 迁移的 actor-critic 架构和行为先验约束，在微调过程中保持原始动作分布。在精密接触任务上的实验表明，PAC-ACT 提高了任务成功率、稳定性和安全性，同时降低了延迟和内存使用量，尤其是在 Contour 任务上将峰值接触力降低了 46 倍。