机器人操作学习新范式 Action Map Policy 将动作预测转化为像素分类

Action Map Policy 提出一种新方法，把机器人的高维动作表示为像素分类问题，用交叉熵学习，有望简化操作学习。

机器人动作是高维的，直接离散化会导致维度灾难。Action Map Policy 将三维运动轨迹可逆地映射为多相机平面上的像素轨迹，把动作预测变成像素分类问题，从而避开高维动作空间。它展示了用交叉熵损失学习机器人操作的潜力。