ELA：从视频示范学习端到端隐动作策略

论文提出 ELA，一个从视频示范中学习隐动作的端到端框架，将隐动作模型、隐动作策略与动作解码器联合训练，使隐动作同时服务于策略学习和动作解码。作者指出，已有隐动作方法虽能从观测转移中学习动作相关表征，但未针对下游控制优化隐动作，导致策略难以建模、也难以准确解码为连续机器人动作。在仿真与真实世界操作任务上的实验显示，ELA 持续优于此前的隐动作基线；它还能通过约 400 万参数的轻量动作解码器与现有模仿学习方法和策略架构结合，无需改动策略架构或训练目标。该工作为预印本，尚未经同行评议。