Body Transformer：利用机器人具身进行策略学习

文章预览

24年8月（CoRL‘24录取）来自伯克利分校的论文“Body Transformer: Leveraging Robot Embodiment for Policy Learning”。 近年来，Transformer 架构已成为应用于自然语言处理和计算机视觉的机器学习算法事实标准。尽管有显著证据表明该架构在机器人学习的背景下成功部署，但原始 Transformer 并未充分利用机器人学习问题的结构。因此， Body Transformer (BoT) 提供引导学习过程的归纳偏差，是一个利用机器人具身的架构。将机器人身体表示为传感器和执行器的一个图，并依靠掩码注意来汇集整个架构中的信息。在表示模仿或强化学习策略时，所得架构在任务完成、扩展属性和计算效率方面均优于原始 Transformer 以及经典的多层感知器。包括开源代码在内的其他材料可在   https://sferrazza.cc/bot_site 上找到。 对于大多数纠正和稳定动作，物理智体表现出的运动反应与其感知的外 ………………………………