ACT · 动作分块
一次预测一整"块"未来动作序列，替代走一步看一步的抖动执行。
多相机图像 ×N
关节角 qₜ
当前观测 oₜ
Transformer
Enc–Dec ＋ CVAE z
预测动作
aₜ, aₜ₊₁, … aₜ₊ₖ
逐步预测（单步）
抖动 ⚡ 误差累积
ACT 动作分块（chunk）
一次预测 k 步动作 = 一个 chunk
平滑 〜 连贯执行
▶ 播放
步进 ›
记住这点：
ACT =
Action Chunking with Transformers
。看一眼当前观测就"成块"预测未来 k 步动作， 按 chunk 连贯执行 —— 用规划替代走一步看一步，减少频繁重规划带来的抖动与累积误差。