MobileH2R: 基于大规模多样化合成数据的机器人学习人类到移动机器人手接送
机器人学
2025-01-10 v2
摘要
本文介绍了MobileH2R框架，用于学习从可扩展且多样化的合成数据中实现通用人类到移动机器人( H2MR)手接送技能。与传统固定基座手接送不同，此任务要求移动机器人能够通过其移动性在大范围工作空间中可靠接收物品。我们的关键洞察是，通用手接送技能可在模拟器中使用高质量合成数据开发，而无需真实世界演示。为实现这一目标，我们提出了用于生成多样化全身人体动作数据的可扩展管道、用于创建安全且仿人演示的自动方法，以及用于将大规模演示提炼为带有底盘-机械臂协同的闭环策略的高效4D仿照学习方法。在模拟器和真实世界中的实验评估显示，与基线方法相比，在所有情况下都实现了至少+15%的成功率提升。实验还验证了大规模和多样化合成数据对机器人学习具有重要作用，凸显了我们可扩展框架的价值。
关键词
引用
@article{arxiv.2501.04595,
title = {MobileH2R: Learning Generalizable Human to Mobile Robot Handover Exclusively from Scalable and Diverse Synthetic Data},
author = {Zifan Wang and Ziqing Chen and Junyu Chen and Jilong Wang and Yuxin Yang and Yunze Liu and Xueyi Liu and He Wang and Li Yi},
journal= {arXiv preprint arXiv:2501.04595},
year = {2025}
}