ALDM-Grasping：基于扩散的零样本仿真到真实迁移用于机器人抓取
机器人学
2024-03-19 v1
摘要
为解决仿真到真实迁移中遇到的“现实差距”，本研究提出了一种基于扩散的框架，该框架能最小化仿真环境与真实环境之间抓取动作的不一致性。该过程首先训练一个对抗监督布局到图像的扩散模型（ALDM）。然后，利用ALDM方法增强仿真环境，使其具有照片级真实感，从而优化机器人抓取任务训练。实验结果表明，该框架通过在多种条件下提高视觉抓取动作的准确性和可靠性，在成功率和适应新环境的能力方面均优于现有模型。具体而言，它在简单背景下实现了75%的抓取任务成功率，在更复杂的场景中保持了65%的成功率。这一性能表明，该框架擅长基于文本描述生成受控图像内容、识别物体抓取点，并在复杂、未见过的场景中展示零样本学习能力。
引用
@article{arxiv.2403.11459,
title = {ALDM-Grasping: Diffusion-aided Zero-Shot Sim-to-Real Transfer for Robot Grasping},
author = {Yiwei Li and Zihao Wu and Huaqin Zhao and Tianze Yang and Zhengliang Liu and Peng Shu and Jin Sun and Ramviyas Parasuraman and Tianming Liu},
journal= {arXiv preprint arXiv:2403.11459},
year = {2024}
}