mimic-one：通用机器人灵活性的可扩展模型配方
机器人学
2025-06-16 v1
摘要
我们提出了一种基于扩散模型的实用控制配方，用于控制高度灵活的人形机器人手，旨在实现样本高效学习和平滑的细腿动作推断。我们的系统配备全新的 16 自由度的腱驱动手，配备宽视角腕部相机，安装在 Franka Emika Panda 机臂上。我们开发了一种通用的遥操作管线和数据收集协议，使用手套式和 VR 接口，实现对抓取、物品分类和装配插入等多样任务的高质量数据收集。利用高频生成式控制，我们从原始感知输入训练端到端的策略，实现在复杂操纵情景中的平滑、自我纠正的运动。实际环境评估显示，模型在超出分布 (out of distribution) 任务上的成功率最高可达 93.3%，自我纠正行为带来最高可达 +33.3% 的性能提升，同时也揭示了策略性能的扩展趋势。我们的结果通过一种全集成、实用的硬件、学习和实际部署方法，推动了灵巧机器人操纵领域的前沿发展。
引用
@article{arxiv.2506.11916,
title = {mimic-one: a Scalable Model Recipe for General Purpose Robot Dexterity},
author = {Elvis Nava and Victoriano Montesinos and Erik Bauer and Benedek Forrai and Jonas Pai and Stefan Weirich and Stephan-Daniel Gravert and Philipp Wand and Stephan Polinski and Benjamin F. Grewe and Robert K. Katzschmann},
journal= {arXiv preprint arXiv:2506.11916},
year = {2025}
}