想象策略：使用生成点云模型进行学习 操作策略

人类在规划过程中可以想象目标状态，并执行与这些目标相匹配的动作。在这项工作中，我们提出了想象策略，一种新颖的多任务关键帧策略网络，用于解决高精度的拾取和放置任务。想象策略不是直接学习动作，而是生成点云来想象所需的状态，然后通过刚性动作估计将其转换为动作。这将动作推理转化为局部生成任务。在生成过程中，我们利用了任务背后的拾取和放置对称性，实现了极高的样本效率和对未知配置的泛化能力。最后，我们在与多个强基线的比较中，展示了在 RLbench 基准上各类任务的最先进性能。