Компьютерные науки > Робототика [представлена 15 сентября 2026 года] Название: The Latent That Never Was: Судебный перезапуск Abblament in Action Transformer View PDF HTML (экспериментальный) Резюме: Действие Chunking transformers (ACT) широко используется для изучения манипуляций робо-модели с демонстрациями. Их условный изменяющийся автоенкодер включает в себя заправку, предназначенную для учета различий между демонстрациями во время обучения. В первоначальном документе АСТ сообщалось, что в результате удаления закодера средний показатель успеха сократился с 35% до 2% по двум имитируемым заданиям с человеческими демонстрациями. Мы перепрогнозировали эту абстракцию в первоначальном коде и проверили, зависят ли результаты от данных об осуществлении или обучении. В наших тестах не наблюдается повторного снижения, хотя по-прежнему нет уверенности в том, что темпы успеха будут меньше или меньше. Для изучения этого расхождения мы по-разному подходим к продолжительности обучения и методам отбора контрольно-пропускных пунктов для оценки. И то, и другое может изменить курс политики на более высокие показатели, но причины ее сокращения остаются неизвестными. Только показатели успеха остаются открытыми, независимо от того, предоставляет ли заказчик информацию, которая помогает восстановить политику и продемонстрировать свою деятельность. Что касается проверенного контрольного показателя АСТ, то отобранный латентный метод дает мало преимуществ для восстановления при каждом испытанном…
Скрытность, которая никогда не была: судебное повторное рассмотрение дела CVAE в действии
arXiv: 2609.16745v1 Annuatet Type: кросс-бюллетень: Action Chunking Transformers (ACT) широко используется для изучения манипуляций роботами на демонстрациях. Их условный изменяющийся автоенкодер включает в себя заправку, предназначенную для учета различий между демонстрациями во время обучения. В первоначальном документе АСТ сообщалось, что в результате удаления закодера средний показатель успеха сократился с 35% до 2% по двум имитируемым заданиям с человеческими демонстрациями. Мы перепрогнозировали эту абстракцию в первоначальном коде и проверили, зависят ли результаты от данных об осуществлении или обучении. В наших тестах не наблюдается повторного снижения, хотя по-прежнему нет уверенности в том, что темпы успеха будут меньше или меньше. Для изучения этого расхождения мы по-разному подходим к продолжительности обучения и методам отбора контрольно-пропускных пунктов для оценки. И то, и другое может изменить курс политики на более высокие показатели, но причины ее сокращения остаются неизвестными. Только показатели успеха остаются открытыми, независимо от того, предоставляет ли заказчик информацию, которая помогает восстановить политику и продемонстрировать свою деятельность.