基于 AR 的远程人机交互的可扩展机械臂机器人学习
机器学习
2026-02-10 v1 机器人学
摘要
本文聚焦于针对机械臂手臂系统进行可扩展的机器人学习，远程人机交互通过增强现实(AR)建立，用于收集专家示范数据以提高效率。在此系统中，我们提出了一个统一框架来解决通用操作任务问题。具体而言，proposed方法由两个阶段组成：i) 在预训练阶段，通过利用来自我们的 AR 远程人机交互系统的学习数据创建策略；ii) 在第二个阶段，开发一种对比学习赋能的强化学习(RL)方法，以获得比 BC 更高效、更稳健的策略，因此设计了一个投影头来加速学习进程。采用基于事件驱动的增强奖励以提高安全性。为验证所提出的方法，开展了基于 PyBullet 的物理仿真和实际世界实验。结果表明，与经典的近端策略优化和软演员-导师策略相比，我们的方法不仅显著加快了推理速度，而且在完成操作任务的成功率方面取得了更好的表现。通过进行消融研究，确认了所提出的 RL 方法通过对比学习克服了策略崩溃。补充演示可在 https://cyberyyc.github.io/ 查看。
引用
@article{arxiv.2602.07341,
title = {Scalable Dexterous Robot Learning with AR-based Remote Human-Robot Interactions},
author = {Yicheng Yang and Ruijiao Li and Lifeng Wang and Shuai Zheng and Shunzheng Ma and Keyu Zhang and Tuoyu Sun and Chenyun Dai and Jie Ding and Zhuo Zou},
journal= {arXiv preprint arXiv:2602.07341},
year = {2026}
}