[CVPR 2025] 拨开迷雾：大规模实证揭秘机器人操作策略的动作空间设计

TL;DR

在机器人 AI 被数据规模和模型参数量席卷的今天，这篇论文回归了最本质的问题：我们喂给机器人的“动作命令”长什么样，真的重要吗？ 答案是：极其重要。作者通过 13,000 多次真实机器人实验证明，只要正确配置 Chunk-wise Delta（分块增量） 动作，即便不增加数据，策略成功率也能获得质的提升。

背景定位

目前机器人领域（Imitation Learning）缺乏共识。有人坚持用末端执行器（EE），有人转投关节空间（Joint Space）；有人预测绝对坐标，有人预测相对位移。这种混乱导致“SOTA”结果往往被归功于模型，而实际上可能是因为选了一个更好的“动作接口”。

核心洞察：两个维度的“解法”

1. 时间轴：Delta 的绝对统治

论文发现，Delta 动作（增量表示） 几乎在所有任务中都完胜绝对位置表示。

• 直觉解释：预测绝对映射需要模型理解全局几何，而预测“下一步往哪挪一点”大大降低了模型的学习难度（Learning Difficulty）。
• 关键改进：必须使用 Chunk-wise Delta 而非 Step-wise。作者给出了数学证明：步进式累积会导致误差随长度 $k$ 线性增长（$O(k)$），而分块式则能保持误差稳定（$O(1)$）。

2. 空间轴：精度与泛化的平衡

• 关节空间 (Joint Space)：在单一机器人训练中表现最稳。因为它规避了逆运动学（IK）的数值奇点。尤其配合 Flow Matching (Diffusion Policy)，能完美拟合复杂的关节流形。
• 任务空间 (Task Space/EE)：虽然在单任务上略逊，但在 跨具身（Cross-embodiment） 和 迁移学习 中表现突出。因为它具有“具身无关性”，方便模型在不同形状的机械臂之间转移知识。

实验与结果对比

作者在 AgileX 和 AIRBOT 等多个硬件平台上验证了结论。实验显示，当数据规模（Data Scaling）和计算量（Compute Scaling）增加时，Joint-space Delta 的优势会因模型容量的释放而进一步拉大。

关键结论：

• Action Chunking：绝对位置预测喜欢长时界（k=60），Delta 预测喜欢短时界（k=30）。
• 基础模型迁移：在使用 π0 进行微调时，Task-space 展示了更强的知识继承能力。

深度总结与行动建议

这篇论文为机器人开发者提供了三条黄金准则：

1. 不再纠结：默认首选 Chunk-wise Delta 动作。
2. 看目标选空间：练一个专家模型选 Joint Space；练一个通用大模型选 Task Space。
3. 动态匹配：根据动作类型调整 Chunk 长度，不要一成不变。

机器人策略的性能下限由数据决定，但上限和训练效率则由动作空间的设计精度决定。