Geometric-Action-Model

这是一个面向机器人策略学习的几何动作建模框架，旨在通过显式建模动作在几何空间（如SE(3)）中的结构特性，提升策略在位姿控制、灵巧操作等任务中的泛化性与鲁棒性。核心特点包括对刚体运动群（如旋转和平移）的显式李群建模、端到端可微的动作参数化设计，以及与主流强化学习/模仿学习算法的兼容接口。适用于需要高精度空间操作的场景，如机械臂抓取、装配、无人机位姿控制等具身智能任务。