EMMA：通过自我中心人类数据扩展移动操作
机器人学
2025-12-30 v3
摘要
昂贵的移动机器人遥操作成为扩展移动操作模仿学习的瓶颈。我们提出了自我中心移动操作（EMMA），一种利用人类移动操作数据与静态机器人数据训练移动操作策略的端到端框架，绕过了移动遥操作。为此，我们将人类全身运动数据与静态机器人数据协同训练。在三个真实世界任务的实验中，EMMA 展现出与基于遥操作移动机器人数据（Mobile ALOHA）训练的基线相当的性能，在完整任务成功率方面实现了更高或等同的任务表现。我们发现 EMMA 能够泛化到新的空间配置和场景，并且随着人类数据小时数的增加，我们观察到正向的性能扩展，为真实世界环境中的可扩展机器人学习开辟了新途径。该项目详情可在 https://ego-moma.github.io/ 找到。
引用
@article{arxiv.2509.04443,
title = {EMMA: Scaling Mobile Manipulation via Egocentric Human Data},
author = {Lawrence Y. Zhu and Pranav Kuppili and Ryan Punamiya and Patcharapong Aphiwetsa and Dhruv Patel and Simar Kareer and Sehoon Ha and Danfei Xu},
journal= {arXiv preprint arXiv:2509.04443},
year = {2025}
}