Move, don't think：用有损接近传感器实现样本高效避碰

研究以全身接近传感器作为归纳偏置，让机器人学习反射式避碰行为，发现低分辨率有损传感器比高分辨率全覆盖是更强的偏置。在强化学习环境中比较了隐空间压缩、未来接触预判、有损损坏与特权状态估计等八种候选表征，并端到端训练超 200 台人形机器人玩简化版躲避球，样本与算力预算被刻意收紧。预判接触发生的时间与身体位置反而降低了学习样本效率。