缩成一个特征, 而解码器则利用这个特征和当前的 观察来预测一系列动作. 在测试时, 编码器被丢弃, 仅使用解码器作为策略. ACT 在多个模拟和真实 世界的精细操作任务上表现出色, 例如打开半透明 调料杯和放置电池, 成功率高达 80% ~ 90%, 并且 仅需要 10 min 的演示数据. 这表明 ACT 能够有效 地从人类演示中学习, 并在低成本硬件上执行复杂 的操作任务. 随后, 作者又增加了重力补偿等便于

动态调整：在部署初期，建议进行一次试点传感器的设置，以 便根据实际情况进行调整。如发现某些区域数据收集不完善， 应及时增加传感器数量或调整位置。  供电与数据传输：保证传感器的电源稳定，对于长时间监测， 可考虑采用太阳能供电或电池供电。同时，选择合适的数据传 输方式，如 4G、5G、LoRa 等，确保数据的实时传输与远程 监控。 在附件中，以下是不同类型传感器及其特点总结表： 传感器类 型 主要参数 测量范围 精度