ACT 动作分块的核心思想
哪些公司问过
答案要点
- 动作分块:根据当前观测一次预测未来 k 步动作,而不是单步动作
- 缩短有效决策步数,减少行为克隆的复合误差,也能拟合演示中停顿等非马尔可夫行为
- CVAE 建模演示的多样性:编码器用动作序列和关节状态推断隐变量 z,推理时 z 取先验均值
- 损失:L = L1 重建损失 + β·KL(q(z|a,s) || p(z))
- 时间集成:每步都查询策略,对重叠动作块按指数权重加权平均,使动作平滑
易错点
- 只说用 Transformer,不讲动作分块解决复合误差的原理
- 以为执行完整个动作块才重新观测,忽略时间集成的每步查询
- 把 CVAE 的作用说成数据增强,实际是建模演示的多样性
面试官常见追问
- Diffusion Policy 相比 ACT 有什么优势?什么场景会选它?
- chunk 大小怎么取?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。