Prompt2Auto：从运动提示到基于几何不变单次高斯过程学习的自动化控制
机器人学
2025-09-18 v1 人工智能
系统与控制
系统与控制
摘要
从演示中学习允许机器人获取复杂技能，但常规方法需要大量数据集且难以在坐标变换之间泛化。本文提出 Prompt2Auto，一个几何不变的单次高斯过程 (GeoGP) 学习框架，使机器人能够从单个运动提示中执行人类指导的自动化控制。我们引入一种基于坐标变换的数据集构建策略，以实现对平移、旋转和缩放的不变性，同时支持多步骤预测。此外，GeoGP 对用户运动提示的变异具有鲁棒性，并支持多技能自主性。我们通过数值仿真实验（配合设计的用户图形界面）和两个实际机器人实验进行验证，这些实验表明该方法有效、可跨任务泛化，并且显著降低了演示负担。项目页面可访问：https://prompt2auto.github.io
引用
@article{arxiv.2509.14040,
title = {Prompt2Auto: From Motion Prompt to Automated Control via Geometry-Invariant One-Shot Gaussian Process Learning},
author = {Zewen Yang and Xiaobing Dai and Dongfa Zhang and Yu Li and Ziyang Meng and Bingkun Huang and Hamid Sadeghian and Sami Haddadin},
journal= {arXiv preprint arXiv:2509.14040},
year = {2025}
}