AirExo-2：基于低成本外骨骼系统扩展通用机器人仿真学习
机器人学
2025-08-26 v3
摘要
扩大机器人仿真学习以满足实际应用需求，需要高效且可扩展的演示数据收集方法。虽然遥操作有效，但依赖高成本且灵活性有限的机器人平台。野外演示提供了有前景的替代方案，但现有收集设备存在关键局限：手持式方案提供有限的观测覆盖，全身系统常因领域差距需要机器人数据进行微调。为此，我们提出AirExo-2，一种用于大规模野外数据收集的低成本外骨骼系统，以及可将收集数据转化为适用于策略学习的伪机器人演示的若干适配器。我们进一步引入RISE-2，一种融合3D空间感知与2D语义感知以实现稳健操作的通用仿真学习策略。实验表明，RISE-2在域内及泛化评估中均优于先前的SOTA方法。仅凭经AirExo-2适配的野外数据训练得到的RISE-2策略，可与使用遥操作数据训练的策略达到相当性能，凸显了AirExo-2在可扩展且通用的仿真学习中的有效性与潜力。
引用
@article{arxiv.2503.03081,
title = {AirExo-2: Scaling up Generalizable Robotic Imitation Learning with Low-Cost Exoskeletons},
author = {Hongjie Fang and Chenxi Wang and Yiming Wang and Jingjing Chen and Shangning Xia and Jun Lv and Zihao He and Xiyan Yi and Yunhan Guo and Xinyu Zhan and Lixin Yang and Weiming Wang and Cewu Lu and Hao-Shu Fang},
journal= {arXiv preprint arXiv:2503.03081},
year = {2025}
}
备注
accepted to CoRL 2025