MatchMaker：面向机器人装配的自动化资产生成
机器人学
2025-04-01 v2
摘要
由于视觉感知、功能性抓取、富接触操作以及执行高精度任务等方面的复杂性，机器人装配仍然是一项重大挑战。基于仿真的学习与仿真到现实迁移在解决存在物体姿态变化、感知噪声和控制误差的装配任务方面取得了近期成功；然而，能够处理广泛装配任务的通用（即多任务）智能体的发展受到了手动策划装配资产需求的限制，这极大制约了可用于策略学习的装配问题的数量与多样性。受生成式 AI 在扩大机器人学习规模方面近期成功的启发，我们提出了 MatchMaker，一个自动生成多样化、仿真兼容的装配资产对以促进装配技能学习的流水线。具体而言，MatchMaker 能够 1）以仿真不兼容的相互穿透资产对作为输入，并自动将其转换为仿真兼容的无穿透资产对，2）以任意单一资产作为输入，生成几何上配合的资产以创建资产对，3）根据用户指定的间隙参数自动侵蚀 (1) 或 (2) 中的接触表面以生成真实的零件。我们证明了 MatchMaker 生成的数据在下游装配技能学习的多样性和有效性方面优于先前的工作。如需视频和更多细节，请访问我们的项目网站：https://wangyian-me.github.io/MatchMaker/。
引用
@article{arxiv.2503.05887,
title = {MatchMaker: Automated Asset Generation for Robotic Assembly},
author = {Yian Wang and Bingjie Tang and Chuang Gan and Dieter Fox and Kaichun Mo and Yashraj Narang and Iretiayo Akinola},
journal= {arXiv preprint arXiv:2503.05887},
year = {2025}
}
备注
Accepted to International Conference on Robotics and Automation (ICRA) 2025