DexMimicGen：基于模仿学习的双手灵巧操纵自动数据生成

从人类演示中进行模仿学习是教导机器人操纵技能的有效手段。但数据获取是将这一范式更广泛应用的主要瓶颈，由于所需的成本和人力投入。近年来，针对双手灵巧机器人（如人形机器人）的模仿学习引起了广泛关注。不幸的是，数据收集在这里更加具有挑战性，因为需要同时控制多个机械臂和多指手。仿真中的自动化数据生成是为满足这一需求的可扩展替代方案。为此，我们引入DexMimicGen，一个大规模自动化数据生成系统，用于从少量人类演示合成具有灵巧手的类人机器人的轨迹。我们提供了一系列双手灵巧操纵的仿真环境，涵盖各种操纵行为和不同对两个机械臂协调需求。我们从仅 60 个源人类演示中生成 21K 个演示，并研究了若干数据生成和策略学习决策对代理性能的影响。最后，我们提出了真实-仿真-真实管道并在真实世界的人形机器人分类瓶盖任务中部署。生成的数据集、仿真环境和额外结果位于 https://dexmimicgen.github.io/。