离散与连续动作策略对比研究

2026年10月15日，arXiv Robotics 发布 Zeji Yi 等作者的论文，在仿真与真实硬件上对比离散与连续动作参数化在机器人策略中的表现。研究提出，离散动作预测即使采用最朴素的均匀分箱量化，在单任务和多任务 VLA 训练中的任务成功率也可匹配甚至超越连续动作策略。论文指出，离散动作策略的瓶颈并非动作精度，而是跨时间与动作维度乘积分布预测带来的因子分解误差；配合离散流迭代计算或无分类器引导的分布锐化，可将该弱点转为优势，使预测动作块内响应更灵敏。作者在论文中表示，其研究挑战了“连续动作参数化优于离散对应方案”这一常见共识。目前该研究处于论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。