使用以对象为中心的关键点逆策略进行视觉运动模仿学习的分布外恢复
机器人学
2025-07-18 v4 人工智能
摘要
我们提出了一种以对象为中心的恢复（OCR）框架，以解决视觉运动策略学习中分布外（OOD）场景的挑战。以前的行为克隆（BC）方法严重依赖大量标记数据覆盖，在不熟悉的空间状态下会失败。在不依赖额外数据收集的情况下，我们的方法学习了一种恢复策略，该策略由从原始训练数据中的对象关键点流形梯度推断出的逆策略构建。该恢复策略作为任何基础视觉运动BC策略的简单附加组件，与特定方法无关，引导系统回到训练分布中，即使在OOD情况下也能确保任务成功。我们在仿真和真实机器人实验中证明了我们以对象为中心框架的有效性，在OOD中比基础策略提高了77.7\%。此外，我们展示了OCR自主收集演示以进行持续学习的能力。总的来说，我们相信该框架代表了朝着提高真实世界环境中视觉运动策略鲁棒性迈出的一步。
引用
@article{arxiv.2411.03294,
title = {Out-of-Distribution Recovery with Object-Centric Keypoint Inverse Policy for Visuomotor Imitation Learning},
author = {George Jiayuan Gao and Tianyu Li and Nadia Figueroa},
journal= {arXiv preprint arXiv:2411.03294},
year = {2025}
}
备注
IROS 2025. Project Website: https://sites.google.com/view/ocr-penn