GET-USE：通过模拟本体扩展学习通用工具使用
机器人学
2025-10-30 v1
摘要
机器人在通用方式下使用随机物品作为工具的能力是今天机器人智能中缺失的部分，能够提升其 versatility 和问题解决能力。现有方法聚焦于 procedurally 生成或 crowdsourcing 工具数据集以学习如何抓取和操纵这些工具以完成特定任务。然而，这些方法假设仅提供一个物品且通过正确抓取即可完成任务；它们无法在众多可用工具中识别、抓取并使用最佳工具，尤其是在最优工具不存在时。本文提出 GeT-USE，一个两步方法，通过在模拟环境中扩展机器人本体来学习通用工具使用，然后将所学策略迁移到真实机器人 visuomotor 策略。我们的关键洞察是，通过在模拟环境中探索机器人本体扩展（即构建新的末端执行器），机器人可以识别对任务最有益的通用工具几何形状。这种所学的几何知识随后可被提炼，用于通过选择和使用最佳可用真实世界物品作为工具来执行通用工具使用任务。在一台拥有22自由度 (DOF) 的真实机器人上，GeT-USE 在三个基于视觉的双手移动操作工具使用任务中超越现有方法 30-60%。
引用
@article{arxiv.2510.25754,
title = {GET-USE: Learning Generalized Tool Usage for Bimanual Mobile Manipulation via Simulated Embodiment Extensions},
author = {Bohan Wu and Paul de La Sayette and Li Fei-Fei and Roberto Martín-Martín},
journal= {arXiv preprint arXiv:2510.25754},
year = {2025}
}
备注
8 pages, 7 figures