观测-动作对

Observation-Action Pair常用

某一时刻机器人「看到了什么」和「接着做了什么」配成的一条训练样本。

模仿学习数据的最小单位。每个时间步记一份观测 o（相机图像、关节角等本体状态，常附语言指令）和这一刻执行的动作 a（目标关节角、末端位移或夹爪开合），一条演示轨迹就是按时间排好的一串 (o, a)。行为克隆把它当监督学习来做：输入 o，预测 a。严格讲，「状态」是环境的完整描述，「观测」只是传感器看得到的那部分，真机上一般只有观测。这些样本前后相关，策略一旦走偏就会遇到训练里没见过的观测，误差越积越大，这就是复合误差。LeRobot 数据集每一帧的 observation.state、observation.images 和 action 就是这种结构。