等变描述子场：用于端到端视觉机器人操作的 SE(3)-等变基于能量的模型
机器人学
2023-11-08 v3 人工智能
摘要
端到端视觉机器人操作学习以样本效率低著称，需要大量演示。空间旋转平移等变性，即 SE(3)-等变性，可被利用来改善机器人操作学习的样本效率。本文提出可从点云进行训练的 SE(3)-等变视觉机器人操作模型，能够完全端到端训练。通过利用李群的表示理论，我们构建了新颖的 SE(3)-等变基于能量的模型，可实现极高样本效率的端到端学习。我们展示模型无需先验知识即可从零学习，且样本效率极高（5~10 个演示即足够）。此外，我们展示模型可泛化至以下任务：(i) 未见过的目标物体位姿，(ii) 未见过的该类别目标物体实例，以及 (iii) 未见过的视觉干扰物。我们通过 6-DoF 机器人操作任务实验验证模型的样本效率与泛化能力。代码见：https://github.com/tomato1mule/edf
引用
@article{arxiv.2206.08321,
title = {Equivariant Descriptor Fields: SE(3)-Equivariant Energy-Based Models for End-to-End Visual Robotic Manipulation Learning},
author = {Hyunwoo Ryu and Hong-in Lee and Jeong-Hoon Lee and Jongeun Choi},
journal= {arXiv preprint arXiv:2206.08321},
year = {2023}
}
备注
32 pages, 14 figures, To appear in the Eleventh International Conference on Learning Representations (ICLR) 2023