基于精确标注人类演示的模仿学习
机器人学
2025-04-21 v1 人工智能
摘要
在模仿学习范式中，训练通用机器人需要通过多样化策展才能获得大规模数据集。由于收集的相对容易，人类演示在被恰当地纳入时构成了宝贵的补充。然而，现有方法利用人类演示面临着推断精确动作、弥补本体差距以及与前沿通用机器人训练管道融合的挑战。本文构建在先前研究表明手持抓手对于高效数据收集是可行的基础上，我们利用用户对抓手外观的控制——具体而言，通过分配唯一且易于分离的颜色——来启用简单可靠的RANSAC和ICP注册方法，以实现精确的末端执行器姿态估计。我们在仿真中展示，仅凭精确标注的人类演示即可使策略性能达到使用机器人演示的88.1%的水平，并且在与机器人演示组合时能提升策略性能，尽管存在固有的本体差距。
引用
@article{arxiv.2504.13803,
title = {Imitation Learning with Precisely Labeled Human Demonstrations},
author = {Yilong Song},
journal= {arXiv preprint arXiv:2504.13803},
year = {2025}
}