按想象未来的分歧自适应选择机器人动作块

动作分块策略预测多步控制序列，但仍然存在一个基本问题：在重新计划之前应该提交多少预测的 动作块？现有系统通常执行固定长度的前缀，隐含地假设相同的执行范围在不同状态下仍然可信。一些自适应方法根据预测动作的相似性或稳定性来估计这一范围。然而，不同的行动可能会导致相同的成功结果，而相似的行动可能会产生不同的未来，这表明承诺应该由想象的未来之间的一致决定，而不是由行动空间的相似性来决定。为此，我们提出了后果感知自适应行动分块（CA$^3$C），这是一个基于简单原则构建的推理时框架：在想象的未来一致时提交，在分歧时重新计划。在不修改或重新训练基础策略的情况下，CA$^3$C 使用动作条件世界模型来想象多个候选 动作块 在相同采样噪声下的未来后果。利用这些想象的结果，我们将执行范围估计制定为贝叶斯变点推理问题，并通过未来共识选择执行候选者。在多个模拟基准和现实世界的机器人操作任务中，CA$^3$C 持续改进了多种动作分块策略，与相应的基础策略相比，故障率相对降低了 71.8%。