用于可扩展双臂操作的单次真实世界演示合成

学习灵巧的双臂操作策略严重依赖大规模、高质量的演示，但当前范式存在固有的权衡：遥操作提供了物理基础数据但劳动强度极大，而基于模拟的合成虽然可高效扩展但存在仿真到真实的差距。我们提出了BiDemoSyn，一个从单个真实世界示例中合成接触丰富、物理可行的双臂演示的框架。核心思想是将任务分解为不变的协调模块和可变的、依赖于物体的调整，然后通过视觉引导对齐和轻量级轨迹优化进行适配。这使得在数小时内即可生成数千个多样且可行的演示，无需重复遥操作或依赖不完美的仿真。在六个双臂任务上，我们表明基于BiDemoSyn数据训练的策略能泛化到新颖的物体姿态和形状，显著优于近期强基线。除单次设置外，BiDemoSyn自然地扩展至基于少样本的合成，在保持强数据效率的同时提升了物体级多样性和分布外泛化。此外，基于BiDemoSyn数据训练的策略表现出零样本跨具身迁移到新机器人平台的能力，这得益于以物体为中心的观测和简化的6自由度末端执行器动作表示，该表示将策略与具身特定动力学解耦。通过弥合效率与真实保真度之间的差距，BiDemoSyn为复杂双臂操作的实用模仿学习提供了一条可扩展的路径，且不损害物理基础。