VAE Policy for Robot Manipulation

本文深入研究了VAE策略在机器人操作中的应用。VAE策略将动作序列建模为潜变量生成过程，通过条件化观测生成多模态动作分布，在接触丰富的操作任务中显著优于传统高斯策略。文章分析了不同VAE架构（标准VAE、β-VAE、VQ-VAE、Hierarchical VAE）在机器人操作中的效果，提出了动作分块和时间一致性方法，并在多种操作任务上验证了VAE策略在多模态动作表达和任务成功率上的优势。来源机构包括Google Robotics、Stanford、MIT等。