AVR: 基于主动视觉的精确机器人操控，通过视点与焦距优化
机器人学
2025-09-29 v4
摘要
复杂场景中的机器人操控需要精确感知任务相关细节，但固定或次优视点常常损害细粒度感知并导致遮挡，限制了模仿学习策略。我们提出AVR（主动视觉驱动机器人学），一个统一头部跟踪视点控制（HMD到2-DoF云台）与电机驱动光学变焦的双臂遥操作与学习框架，在数据采集和部署过程中保持目标在适当尺度下居中。在仿真中，AVR插件通过模拟主动视觉（ROI条件化视点变化、保持宽高比的裁剪及显式变焦比、超分辨率）增强RoboTwin演示，在多样化操控任务中实现了5-17%的任务成功率提升。在我们的真实平台上，AVR在大多数任务上相比静态视点基线提升了超过25%的成功率，扩展实验进一步证明了其在遮挡、杂乱和光照扰动下的鲁棒性，以及对未见环境和物体的泛化能力。这些结果为未来追求人类级灵巧度和精度的机器人精确操控方法铺平了道路。
引用
@article{arxiv.2503.01439,
title = {AVR: Active Vision-Driven Precise Robot Manipulation with Viewpoint and Focal Length Optimization},
author = {Yushan Liu and Shilong Mu and Xintao Chao and Zizhen Li and Yao Mu and Tianxing Chen and Shoujie Li and Chuqiao Lyu and Xiao-Ping Zhang and Wenbo Ding},
journal= {arXiv preprint arXiv:2503.01439},
year = {2025}
}
备注
Project Page: https://AVR-robot.github.io