機器人動作分塊： ACT、時間整合與閉環執行

動作分塊要求機器人策略同時預測多個未來動作，而不是每個查詢只做一個動作。一個連貫的塊減少了長時間操作任務中高層決策的數量，並能保留展示中學到的運動結構。這也帶來了一個新問題：在再次觀察之前，應該信任多少該區塊？

Transformers 動作分塊（ACT）是一種與 ALOHA 一同引入的特定模仿學習方法。 ACT 使用條件變分自編碼器和變換器元件，從影像和機器人狀態預測動作序列。動作分塊是更廣泛的設計模式；並非所有分塊策略都使用 ACT、 CVAE 或相同的時間集合。

將本指南與 擴散策略指南 及 機器人關節控制指南一起使用。將預測的塊、應用於硬體的部分和下一次觀測時間分別視為可測量的獨立量。

動作區塊縮短了有效決策時間

一個持續數千伺服週期的任務，當每個策略查詢預測一個短軌跡段時，需要的高階選擇會更少。段內的動作共享上下文，這可以減少獨立一步預測帶來的抖動，並幫助表示協調的雙手或接觸豐富的運動。

歸約並非自由的。執行區塊內的誤差可能在下一次觀測前累積。因此，分塊將部分問題從每步預測轉向視界選擇和閉環排程。長預測可以作為上下文，而無需機器人以開環方式執行。

ACT 就是一種具體的分塊架構

官方 ALOHA 專案 引入了 ACT 技術，用於預測細粒度雙手操作的動作塊。其策略結合了視覺和本體感覺輸入，配合基於變換器的條件變分自編碼器，在訓練過程中使用潛在變數表示展示變異。

部署時， ACT 通常使用確定性先驗均值，而非請求展示樣式標籤。架構、攝影機編碼器、潛在處理和動作規範化是必須釘頂的實現細節。報告的 ALOHA 任務和資料效率是該設定的證據，而非所有機器人的普遍成功保證。

預測時域、執行時域和查詢時域彼此不同

區塊長度是模型預測的未來動作數量。執行視野是系統替換前傳送的次數，查詢區間是新預測開始的時間。有些實現查詢每個控制步驟並結合重疊；另一些實現執行字首以減少推論負載。

每個視野都用步數和秒數表示。同一 100 步區塊表示 100 Hz 為 1 秒， 10 Hz 為 10 秒。還報告推斷延遲，以及新預測是否與觀測時間或計算結束時間對齊。

數量	定義	太短了	太長了
預測塊	未來產生的行動	弱時間背景	未來未卜
執行字首	替換前的操作	計算與抖動負載	緩慢擾動反應
查詢區間	策略請求之間的時間	佇列爭用	陳舊的計劃
觀測歷史	提供過往證據	模糊運動	記憶與舊背景
伺服週期	硬體目標更新	粗控	時序需求

時間整合融合重疊的預測結果

在 ACT 論文中，頻繁查詢會產生多個預測，針對同一未來時間步。時間集合將這些重疊估計與偏向近期預測的權重結合起來。這可以在整合新觀測值的同時平滑區塊之間的變化。

平均作用並非總是中立的。笛卡爾旋轉、離散夾爪狀態和多模態替代方案需要在插值有意義的表示中。兩種單獨有效的策略可以平均成一個無效的中間值。記錄貢獻預測和權重，以便區分平滑失敗與模型錯誤。

塊長度遵循任務動態和接觸

自由空間覆蓋可能容忍比插入、抓握閉合或工具接觸更長的字首。根據預期擾動時間、相機影格率、推論尾延遲和底層控制器頻寬選擇動作時域。在階段切換附近縮短重新整理間隔，或允許任務狀態機更改策略排程。

在未完成的試驗中獨立掃描塊和字首。測量完成度、介入、指令不連續性和對移動物體的反應。在靜態展示中得分較高的視界，當接觸時間變化時可能失敗，因為策略在物理事件轉移後仍會持續記憶的片段。

展示需要時間上的對齊和多樣性

遙操作紀錄將人類意圖、攝影機影格、機器人狀態和指令操作耦合。這些流之間的延遲可能會使策略反應遲到。保留原始時間戳，估算遙操作延遲，並定義動作標籤是否代表期望或應用的機器人狀態。根據檔案規則，僅移除損壞樣本。

收集物體姿態、接近、糾正和恢復的變化，而不僅僅是乾淨的名義成功。學習者無法推斷如何從展示中缺失的狀態恢復。平衡重複任務和運算子，避免最大會話占主導地位，並在分拆訓練和評估資料時保持連續的事件。

低階別控制器負責塑造每個區塊

預測的關節目標會透過插值、增益、轉矩和運動限制。如果訓練機器人使用不同的控制器速率或阻抗，同一數值塊可能會產生不同的物理路徑。保留控制器設定和測量應用時間戳與模型偽裝。

與 機器人關節增益調節導引 和 碰撞檢測導軌進行座標限制和跟蹤檢查。塊是一個學習的參考序列，而非經過認證的運動原語。伺服層必須可預測地拒絕不可能或陳舊的指令。

失效模式	可觀察的症狀	隔離測試	緩解措施
陳舊的觀察	糾正行動太晚了	新增受控延遲	縮短字首或排程
區塊邊界跳躍	命令不連續性	重疊目標的劇情	集合規則或過渡規則
控制器不匹配	追蹤與聯絡變更	重複同樣的目標	匹配介面與增益
模平均	無效中間動作	檢查貢獻者	結構化輸出或選擇
缺失的恢復資料	複合漂移	任務中擾動	新增糾正示範

閉環擾動測試揭示了陳舊行為

在策略生成塊後移動物體，調整抓取時機，新增一個小的順應偏轉，或暫時遮擋攝影機。測量機器人移動了多少毫秒，以及在應用動作發生變化之前的移動量。這比說系統頻繁重新規劃更有資訊量。

測試推論超載和丟棄的觀察值。決定是完成目前字首、保留最後一個有界目標還是停止。排隊舊塊通常很危險，因為每個塊都基於過時狀態。使用序列辨識符號證明是哪個觀察產生了每個應用命令。

評估需要進展和失敗分類法

二元任務成功隱藏了策略在放置過程中是否達到、被抓取、解除或失敗。定義可觀察的里程碑，分類感知、錯誤物體、軌跡、接觸、滑倒、暫停和保護性停止失敗。即使操作員挽救了試驗，也將人工介入計為結果。

報告匹配和偏移條件的試驗計數和置信區間。在不同策略版本中重複相同的初始設定，並隨機執行順序以減少預熱或操作員偏差。影片對複核非常有用，但需要同步的指令、狀態和事件紀錄來測量延遲和邊界行為。

複製是完整的執行合約的固定方式

ALOHA 倉庫提供與專案相關的硬體和學習程式碼。有效的複製品仍記錄倉庫的修訂、資料集、攝影機轉換、策略速率、區塊大小、時間集合設定、動作單元和機器人控制器。

透過離線回放、受保護的硬體試驗和逐步調整的測試來推動設定。保持固定的任務開始和干擾迴歸集。如果新塊大小提升了平均完成度，但增加了碰撞或介入尾部，說明該變更並未帶來整體更好的部署。

評估“機器人動作分塊： ACT、時間整合與閉環執行”時，還應儲存模型版本、機器人設定、校正檔案、測試日期和全部試驗記錄。

只有把這些持續投入與單位成功任務的價值比較，才能判斷方案是否適合擴大。

上線後仍要持續檢查分佈變化、感測器漂移、機械磨損和人工接管原因。

• 區分動作分塊與 ACT 架構。
• 記錄預測、執行和查詢時間。
• 對應展示與物理時間戳對齊。
• 測試重疊、陳舊的觀察和推論超載。
• 報告里程碑、介入措施和不確定性。

常見問題

ACT 和所有行動分塊策略一樣嗎？

不。 ACT 是一種特殊的 CVAE 和變換器模仿學習方法。其他架構也可以預測和執行動作塊。

機器人應該執行整個預測的片段嗎？

不一定。許多系統在區塊結束前會再次查詢，或結合重疊的預測。安全的選擇取決於延遲、任務動態和干擾。

時間集合是做什麼的？

它結合了針對同一時間步長的多個預測，通常對較新的預測加權更強。它可以平滑更新，但也能平均不相容模式。

動作分塊和軌跡規劃有何不同？

學習到的塊可以從資料中預測動作。運動規劃器通常在顯式的運動學或碰撞模型中進行搜尋。這兩種模型都可能提供對控制器的引用，但它們的保證不同。

最重要的部署紀錄是什麼？

觀察捕獲、推斷開始和結束、預測序列、應用命令和機器人狀態都集中在同一時間基。該紀錄暴露了陳舊和邊界誤差。

動作分塊控制邊界

動作區塊是與機器人介面、控制器和資料分發繫結的學習指令序列。驗證整個物理系統的時序、可行性、接觸行為和保護反應。