arXiv · Robotics· Dijia Zhan, Zhuo Li, Xuemiao Xu, Sun Zheng, Jinyi Li, Wenjun Wang, Jie Tang·· 3 hr agoAI score34
ReAT：面向自回归机器人策略的残差动作分词
ReAT: Residual Action Tokenization for Autoregressive Robot Policies
AI brief
研究者提出残差动作分词方法 ReAT，让每个 token 在重建动作时承担明确的修正角色，并以已解码的重建结果作为反馈，从剩余动作误差中构造下一个 token。在覆盖三个仿真基准与真实场景的 19 个操作任务上，8-token ReAT 策略在任务成功率上优于所评估的基线；在 LIBERO 上，4-token ReAT 以一半的 token 预算超过所评估的 8-token 基线。
Source: arXiv · Robotics · arxiv.org