STDArm：从静态数据训练到动态机器人操作中传递视觉运动策略
机器人学
2025-04-29 v1
摘要
近年来，类似四足机器人和无人机等移动机器人平台的快速发展，推动了在日益动态的环境中部署视觉运动策略的需求。然而，高质量训练数据的收集、平台运动和处理延迟，以及 onboard 计算资源有限，构成了现有解决方案面临的重大挑战。本文提出 STDArm 系统，可直接将在静态条件下训练的策略传递到动态平台上，而无需进行大量修改。STDArm 的核心在于一个实时动作校正框架，包括：(1) 动作管理器以提升控制频率并维持时间一致性；(2) 基于轻量级预测网络的稳定器，用于补偿运动扰动；(3) 在线延迟估计模块用于校准系统参数。通过这种方式，STDArm 在移动操作任务中实现了厘米级精度。我们在两种类型的机器人臂、四种类型的移动平台以及三个任务上进行了全面评估。实验结果表明，STDArm 能够在保持原始策略操作能力的前提下，实时补偿平台运动扰动，实现机器人运动期间的厘米级操作精度。
引用
@article{arxiv.2504.18792,
title = {STDArm: Transferring Visuomotor Policies From Static Data Training to Dynamic Robot Manipulation},
author = {Yifan Duan and Heng Li and Yilong Wu and Wenhao Yu and Xinran Zhang and Yedong Shen and Jianmin Ji and Yanyong Zhang},
journal= {arXiv preprint arXiv:2504.18792},
year = {2025}
}
备注
10 pages, 8 figures, accepted by RSS 2025