N2M：通过从 Rollout 中学习位姿偏好桥接导航与操作
机器人学
2025-09-24 v1
摘要
在移动操作中，操作策略对其执行的初始位姿有强烈的偏好。然而，导航模块仅专注于到达任务区域，而不考虑哪种初始位姿对下游操作更为有利。为了解决这种不一致性，我们引入了 N2M，这是一个过渡模块，可在到达任务区域后引导机器人到达更优的初始位姿，从而显著提高任务成功率。N2M 具有五个关键优势：（1）仅依赖以自我为中心的观测，无需全局或历史信息；（2）实时适应环境变化；（3）具有高视角鲁棒性的可靠预测；（4）跨不同任务、操作策略和机器人硬件的广泛适用性；（5）出色的数据效率和泛化能力。我们通过大量的仿真和真实世界实验证明了 N2M 的有效性。在 PnPCounterToCab 任务中，N2M 将平均成功率从基于可达性的基线的 3% 提高到了 54%。此外，在 Toybox Handover 任务中，N2M 即使在未见过的环境中仅使用 15 个数据样本也能提供可靠的预测，展现出卓越的数据效率和泛化能力。
引用
@article{arxiv.2509.18671,
title = {N2M: Bridging Navigation and Manipulation by Learning Pose Preference from Rollout},
author = {Kaixin Chai and Hyunjun Lee and Joseph J. Lim},
journal= {arXiv preprint arXiv:2509.18671},
year = {2025}
}