ClutterGen：面向机器人学习的杂乱场景生成器

我们介绍了ClutterGen，一个物理上一致的仿真场景生成器，能够为机器人学习生成高度多样化、杂乱且稳定的场景。生成此类场景具有挑战性，因为每个物体都必须遵守物理定律，如重力和碰撞。随着物体数量的增加，找到有效姿态变得更加困难，需要大量的人工工程工作，这限制了场景的多样性。为了克服这些挑战，我们提出了一种强化学习方法，该方法可以利用仿真器提供的基于物理的奖励信号进行训练。我们的实验表明，ClutterGen能够在受限的桌面上生成包含多达十个物体的杂乱物体布局。此外，我们的策略设计明确鼓励生成场景的多样性，以实现开放式生成。我们的真实世界机器人实验结果表明，ClutterGen可以直接用于杂乱场景重排和稳定放置策略的训练。