UMIGen：面向 egocentric 点云生成与跨本体化机器人仿真学习的统一框架
机器人学
2025-11-13 v1
摘要
数据驱动的机器人学习面临一个明显困境：稳健的策略需要大规模高质量的示范数据，但由于高运营成本、对专业硬件的依赖以及当前方法的空间泛化能力有限，收集此类数据仍是一个主要挑战。通用操作界面 (UMI) 放宽了数据收集的严格硬件要求，但仅能捕获场景的 RGB 图像，忽略了许多任务所依赖的三维几何信息。以 DemoGen 为灵感，我们提出 UMIGen，一个统一框架，包含两个关键组件：(1) Cloud-UMI，一款无需视觉SLAM即可同时记录点云观测-动作对的手持数据采集设备；(2) 一种可见性感知的优化机制，将 DemoGen 流程扩展到 egocentric 三维观测，通过仅生成相机视场内的点来实现。这两个组件使得能够高效生成与真实 egocentric 观察相匹配的数据，并可直接跨不同机器人本体化 transfer without any post-processing。模拟和真实环境中的实验表明，UMIGen 支持强大的跨本体化泛化，并加快了多样化操作任务的数据收集。
引用
@article{arxiv.2511.09302,
title = {UMIGen: A Unified Framework for Egocentric Point Cloud Generation and Cross-Embodiment Robotic Imitation Learning},
author = {Yan Huang and Shoujie Li and Xingting Li and Wenbo Ding},
journal= {arXiv preprint arXiv:2511.09302},
year = {2025}
}