ACT in LeRobot

前置知识

• 高斯分布:知道 μ 和 σ² 分别控制什么,多维高斯长什么样
• 条件概率与贝叶斯公式:因为 encoder 学的就是后验分布 q(z|x)
• KL 散度:衡量两个分布差异的指标,VAE 损失函数的第二项。至少要理解它的直觉意义(不对称、非负、越接近越小)
• 从分布中采样的概念:理解”采样不可导”这个问题,才能明白重参数化技巧为什么存在
• (进阶)最大似然估计:理解”生成模型在做什么”的理论根基

$P(A \cap B) = P(A|B)\,P(B) = P(B|A)\,P(A)$

$P(A|B) = \frac{P(B|A)\,P(A)}{P(B)}$

$P(B) = \sum_i P(B|A_i)\,P(A_i)$

$P(A_i|B) = \frac{P(B|A_i)\,P(A_i)}{\sum_j P(B|A_j)\,P(A_j)}$

$p(z|x) = \frac{p(x|z)\,p(z)}{p(x)}, \qquad p(x) = \int p(x|z)\,p(z)\,dz$