AIGC動態(tài)歡迎閱讀

原標題：機器人策略學習的Game Changer？伯克利提出Body Transformer
關(guān)鍵字：架構(gòu),節(jié)點,機體,機器人,注意力
文章來源：機器之心
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

機器之心報道
編輯：Panda過去幾年間，Transformer 架構(gòu)已經(jīng)取得了巨大的成功，同時其也衍生出了大量變體，比如擅長處理視覺任務(wù)的 Vision Transformer（ViT）。本文要介紹的 Body Transformer（BoT） 則是非常適合機器人策略學習的 Transformer 變體。
我們知道，物理智能體在執(zhí)行動作的校正和穩(wěn)定時，往往會根據(jù)其感受到的外部的位置給出空間上的響應(yīng)。比如人類對這些的響應(yīng)回路位于脊髓神經(jīng)回路層面，它們專門負責單個執(zhí)行器的響應(yīng)。起校正作用的局部執(zhí)行是高效的主要因素，這對機器人來說也尤為重要。
但之前的學習架構(gòu)通常都沒有建立傳感器和執(zhí)行器之間的空間關(guān)聯(lián)。鑒于機器人策略使用的架構(gòu)基本是為自然語言和計算機視覺開發(fā)的架構(gòu)，它們常常無法有效地利用機器人機體的結(jié)構(gòu)。
不過，Transformer 在這方面還是頗具潛力的，已有研究表明，Transformer 可以有效地處理長序列依賴關(guān)系，還能輕松地吸收大量數(shù)據(jù)。Transformer 架構(gòu)原本是為非結(jié)構(gòu)化自然語言處理（NLP）任務(wù)開發(fā)的。在這些任務(wù)中（比如語言翻譯），輸入序列通常會被映射到

原文鏈接：機器人策略學習的Game Changer？伯克利提出Body Transformer

聯(lián)系作者

文章來源：機器之心
作者微信：
作者簡介：