从单情境人类演示泛化机器人轨迹：一种概率方法
机器人学
2025-11-10 v2
摘要
将人类演示的机器人轨迹泛化到新情境仍然是演示学习（LfD）中的一个关键挑战，特别是当只有单情境演示可用时。我们提出了一种新颖的基于高斯混合模型（GMM）的方法，该方法能够实现从单情境演示到各种未见起始和目标构型的系统泛化。我们的方法对 GMM 执行组件级重参数化，同时调整均值向量和协方差矩阵，随后通过高斯混合回归（GMR）生成平滑轨迹。我们在具有不同盒子放置位置的双臂拾取与放置任务上评估了该方法，并与多个基线进行了比较。结果表明，我们的方法在轨迹成功率和保真度上显著优于基线，即使在任务构型存在平移和旋转变换的组合情况下也能保持准确性。这些结果证明，我们的方法在确保边界收敛和保留演示运动内在结构的同时，能够有效地进行泛化。
引用
@article{arxiv.2503.05619,
title = {Generalizing Robot Trajectories from Single-Context Human Demonstrations: A Probabilistic Approach},
author = {Qian Ying Lee and Suhas Raghavendra Kulkarni and Kenzhi Iskandar Wong and Lin Yang and Bernardo Noronha and Yongjun Wee and Domenico Campolo},
journal= {arXiv preprint arXiv:2503.05619},
year = {2025}
}