paper
Motivation
使用频域将连续的robot action sequence转换成更紧凑的表示.
Methods
- 归一化: 将action归一化到统一的标准范围
- 离散余弦变换: 使用DCT处理每一个动作的维度, 将时间序列转换为频域分量
- 量化: 将DCT系数量化成离散值(先经过一个缩放然后再round: , 这里面的缩放因子是超参数, 实验证明, 并不敏感)
- 展平: 将系数矩阵展平成一维向量
- BPE编码: 使用BPE进一步压缩, 用以创建最终的序列 (此处的BPE目的是为了压缩大量出现的
0值, 因为频域分级可能会有很多的0)
Conclusion
- 性能更佳
- 训练效率提升
- 更通用(能够做cross-embodiment复用)
- 更高的压缩效率
- 能够学习复杂的灵巧操作任务