NeRF-Aug:利用神经辐射场进行机器人数据增强
机器人学
2025-09-16 v3 计算机视觉与模式识别
机器学习
摘要
训练能够泛化至未知物体的策略是机器人领域长期存在的挑战。当场景中的物体在训练期间未被见过时,策略的性能往往会显著下降。为解决此问题,我们提出了NeRF-Aug,一种能够教会策略与数据集中不存在的物体进行交互的新方法。该方法与现有方法的不同之处在于利用了神经辐射场的速度、照片真实感和三维一致性进行数据增强。NeRF-Aug既创建了更具照片真实感的数据,运行速度又比现有方法快63%。我们在5个任务和9个专家演示中未出现的全新物体上展示了本方法的有效性。与次优方法相比,我们的方法平均性能提升了55.6%。视频结果请访问 https://nerf-aug.github.io。
引用
@article{arxiv.2411.02482,
title = {NeRF-Aug: Data Augmentation for Robotics with Neural Radiance Fields},
author = {Eric Zhu and Mara Levy and Matthew Gwilliam and Abhinav Shrivastava},
journal= {arXiv preprint arXiv:2411.02482},
year = {2025}
}