自粗至精的Q-attention：通过离散化实现视觉机器人操作的高效学习

我们提出一种从粗到细的离散化方法，使在连续机器人领域中能够使用稳定的离散强化学习方法，替代传统不稳定且数据效率低下的Actor-Critic方法。该方法基于近期发布的ARM算法，该算法将连续的“最优下一步位姿”智能体替换为离散智能体，并引入从粗到细的Q-注意力机制。给定一个体素化场景，从粗到细的Q-注意力机制能够学习场景中需要“聚焦”（zoom into）的部分。当这种“聚焦”行为被迭代应用时，可实现对平移空间的近乎无损的离散化，从而支持采用离散动作、深度Q学习的方法进行训练。实验表明，我们提出的新型从粗到细算法在多个具有挑战性的稀疏奖励RLBench视觉机器人任务上达到了当前最优性能，并可在仅需3次示范的情况下，仅用数分钟时间即可训练出可直接应用于真实世界的策略，实现从零开始（tabula rasa）的端到端学习。