EDAR：机器人操作中依赖环境的动作表示学习方法

来自中国科学院等机构的研究人员提出EDAR（Environment-Dependent Action Representation），一种依赖环境的动作表示学习方法。传统方法主要编码动作流自身的结构，将动作在环境中的作用视为隐式。然而操作的本质是改变世界：相同的动作片段在不同场景下可能产生不同结果，使得动作语义天然依赖环境。EDAR将动作令牌同时映射到可执行控制结构和预期视觉后果，通过耦合电机命令与其环境条件化效果，鼓励学习到的动作空间捕捉交互语义而非仅命令级模式。在仿真仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身和真实机器人操作基准上的实验表明，EDAR改进了下游策略学习，尤其在长程操作任务中效果显著。这些结果强调了将动作表示基于可执行控制结构和环境条件化视觉变化的重要性。