端到端机器人策略

端到端机器人策略（End-to-End Policy）是一种跳过传统"感知→规划→控制"三段式架构，让一个大模型直接从传感器输入（如视频）输出电机指令的机器人控制方法。

与传统三段式的对比

维度	传统三段式	端到端策略
架构	感知→规划→控制独立模块	单一神经网络
数据需求	各模块独立标注数据	大量原始传感器-动作对
灵活性	模块间接口固定，难以适应新场景	可端到端优化，适应性强
可解释性	各模块输出可单独检查	黑箱，难以解释中间决策

Arda的实现

[[Arda]]的端到端策略基于其[[视频模型]]（世界模型），直接输入工厂监控视频，输出机器人电机指令。训练数据不是实验室演示，而是真实产线百万小时视频。

优势

• 消除模块间信息损失
• 可端到端优化全局性能
• 适应复杂、非结构化场景
• 支持[[持续学习闭环]]

挑战

• 可解释性差，监管风险高
• 需要海量高质量训练数据
• 对分布外场景的鲁棒性未知
• 安全性验证困难

行业对比

类似方法被Figure 02和Tesla Optimus采用，但Arda的训练数据来源不同——不是实验室演示，而是真实产线视频。