由粗到精的三维关键帧传输器
机器人学
2025-02-05 v1 计算机视觉与模式识别
摘要
关键帧模仿学习（IL）的最新进展使基于学习的智能体能够解决各种操作任务。然而，大多数方法忽略了问题设置中丰富的对称性，因此样本效率低下。这项工作识别并利用了关键帧IL中的双等变对称性，以设计一个能够泛化到工作空间和由夹爪抓取物体变换的策略。我们做出了两个主要贡献：首先，我们分析了关键帧动作方案的双等变性质，并提出了一个源自传输器网络的关键帧传输器，该传输器利用被抓取物体的特征与场景特征之间的互相关来评估动作。其次，我们提出了一种计算高效的由粗到精的SE(3)动作评估方案，用于推理交织的平移和旋转动作。最终的方法在广泛的仿真任务中平均优于强大的关键帧IL基线超过10%，在4个物理实验中平均优于55%。
引用
@article{arxiv.2502.01773,
title = {Coarse-to-Fine 3D Keyframe Transporter},
author = {Xupeng Zhu and David Klee and Dian Wang and Boce Hu and Haojie Huang and Arsh Tangri and Robin Walters and Robert Platt},
journal= {arXiv preprint arXiv:2502.01773},
year = {2025}
}