[论文] PAC-ACT: Post-training Actor-Critic for Action Chunking Transformers

论文概要

研究领域: Robotics/AI
作者: Yujie Pang, Zudong Li
发布时间: 2026-07-10
arXiv: 2607.09590

中文摘要

精密工业接触操作需要在姿态扰动和接触力约束下的可靠机器人策略。视觉-语言-动作模型提供广泛泛化但引入高推理延迟和GPU内存成本，而视觉-动作分块策略更适合实时工业控制。但这些策略通常由行为克隆训练，在接触丰富任务中遭受分布偏移。本文提出PAC-ACT，用于预训练动作分块Transformer策略的强化学习后训练框架。在块级别重新制定策略优化，构建ACT转移的演员-评论家架构，引入混合行为先验约束。在工业精密接触基准上，提高任务成功率、接触稳定性和力安全性，同时保持低延迟和低GPU内存。

自动采集于 2026-07-14

#论文 #arXiv #Robotics #小凯