RobotMover：从人类演示中学习移动大型物体
机器人学
2025-05-15 v2
摘要
移动大型物体（如家具或电器）是机器人在人类环境中操作的一项关键能力。这项任务带来了独特的挑战，包括全身协调以避免碰撞，以及管理笨重、沉重物体的动力学。在这项工作中，我们提出了 RobotMover，一个基于学习的大型物体操控系统，它利用人与物体交互的演示来训练机器人控制策略。RobotMover 将操控问题形式化为模仿学习，使用一种称为交互链的简化空间表示，该表示以一种可泛化到不同机器人身体的方式捕捉基本的交互动力学。我们将此交互链整合到奖励函数中，并使用域随机化在仿真中训练策略，以实现向真实世界机器人的零样本迁移。由此产生的策略使 Spot 机器人能够操控各种大型物体，包括椅子、桌子和落地灯。通过在仿真和真实世界中的大量实验，我们表明 RobotMover 在能力、鲁棒性和可控性方面实现了强大的性能，优于基于学习和遥操作的基线。该系统还通过将学习到的策略与简单的规划模块相结合来执行长时域物体运输和重排任务，从而支持实际应用。
引用
@article{arxiv.2502.05271,
title = {RobotMover: Learning to Move Large Objects From Human Demonstrations},
author = {Tianyu Li and Joanne Truong and Jimmy Yang and Alexander Clegg and Akshara Rai and Sehoon Ha and Xavier Puig},
journal= {arXiv preprint arXiv:2502.05271},
year = {2025}
}