AutoMate：针对多样几何形状的专家与通用装配策略
机器人学
2024-08-02 v2
摘要
高混合场景下的机器人装配需要对多样部件和姿态进行适应性，这一挑战仍待解决。与此同时，在机器人其他领域，大型模型和仿真到现实已取得了显著进展。以此为灵感，我们提出 AutoMate，一个由 4 个组成部分构成的学习框架和系统：1）包含 100 个可用于仿真和实际环境的装配数据集，以及用于策略学习的并行仿真环境；2）一种新颖的仿真方法，用于学习专家（即部件特定）策略和通用（即统一）装配策略；3）专家策略的演示，这些策略在仿真中分别解决了 80 个装配，成功率达到 80% 或更高，同时还有一个通用策略能够联合解决 20 个装配，成功率达到 80%+；4）零样本仿真到现实迁移，在包括感知初始化装配在内的各种场景中实现了与仿真相当或更好的性能。关键方法论启示是：来自制造工程、角色动画和时间序列分析的多样算法提供了一个通用且稳健的解决方案，用于解决多样化的机器人装配问题。据我们了解，AutoMate 提供了首个针对广泛装配范围学习专家和通用策略的仿真框架，也是首个在此范围内实现零样本仿真到现实迁移的系统。
引用
@article{arxiv.2407.08028,
title = {AutoMate: Specialist and Generalist Assembly Policies over Diverse Geometries},
author = {Bingjie Tang and Iretiayo Akinola and Jie Xu and Bowen Wen and Ankur Handa and Karl Van Wyk and Dieter Fox and Gaurav S. Sukhatme and Fabio Ramos and Yashraj Narang},
journal= {arXiv preprint arXiv:2407.08028},
year = {2024}
}