AIGC動態歡迎閱讀

原標題：機器人策略學習的Game Changer？伯克利提出Body Transformer
關鍵字：架構,節點,機體,機器人,注意力
文章來源：機器之心
內容字數：0字

內容摘要：

機器之心報道
編輯：Panda過去幾年間，Transformer 架構已經取得了巨大的成功，同時其也衍生出了大量變體，比如擅長處理視覺任務的 Vision Transformer（ViT）。本文要介紹的 Body Transformer（BoT） 則是非常適合機器人策略學習的 Transformer 變體。
我們知道，物理智能體在執行動作的校正和穩定時，往往會根據其感受到的外部的位置給出空間上的響應。比如人類對這些的響應回路位于脊髓神經回路層面，它們專門負責單個執行器的響應。起校正作用的局部執行是高效的主要因素，這對機器人來說也尤為重要。
但之前的學習架構通常都沒有建立傳感器和執行器之間的空間關聯。鑒于機器人策略使用的架構基本是為自然語言和計算機視覺開發的架構，它們常常無法有效地利用機器人機體的結構。
不過，Transformer 在這方面還是頗具潛力的，已有研究表明，Transformer 可以有效地處理長序列依賴關系，還能輕松地吸收大量數據。Transformer 架構原本是為非結構化自然語言處理（NLP）任務開發的。在這些任務中（比如語言翻譯），輸入序列通常會被映射到

原文鏈接：機器人策略學習的Game Changer？伯克利提出Body Transformer

聯系作者

文章來源：機器之心
作者微信：
作者簡介：