如何训练你的机器人？演示模态对模仿学习的影响

模仿学习是一种利用用户提供的数据学习机器人策略的有前景的方法。提供演示的方式，即演示模态，会影响数据质量。虽然现有研究表明，由于直观和易用性，用户更偏好动觉教学（物理引导机器人），但现有的大多数操作数据集是通过 VR 控制器或 spacemouse 遥操作收集的。在这项工作中，我们研究了不同演示模态如何影响下游学习性能以及用户体验。具体而言，我们比较了低成本的演示模态，包括动觉教学、使用 VR 控制器的遥操作以及使用 spacemouse 控制器的遥操作。我们实验了三个具有不同运动约束的桌面操作任务。我们使用来自不同演示模态的数据评估并比较了模仿学习性能，并收集了关于用户体验的主观反馈。我们的结果表明，动觉教学被评为控制机器人最直观的方式，并为最佳的下游学习性能提供了最干净的数据。然而，由于物理负荷，它并不被偏好作为大规模数据收集的方式。基于这一洞察，我们提出了一种简单的数据收集方案，该方案依赖少量动觉演示与通过遥操作收集的数据混合，以在保持低数据收集工作量的同时实现最佳的整体学习性能。