UniDoorManip: 在大规模多样化门操作环境中学习通用门操作策略
机器人学
2024-03-13 v3
摘要
学习一个涵盖不同类别、几何形状和机构的通用门操作策略，对于未来具身智能体在复杂且广泛的真实场景中有效工作至关重要。由于数据集有限且仿真环境不真实，以往的工作未能在各种门上取得良好性能。在这项工作中，我们构建了一个新颖的门操作环境，反映了不同的真实门操作机制，并进一步为该环境配备了一个大规模门数据集，涵盖6个门类别，包含数百个门体和把手，构成了数千个不同的门实例。此外，为了更好地模拟真实场景，我们引入了一个移动机器人作为智能体，并使用部分遮挡的点云作为观测，这些在以往的工作中未被考虑，但对真实世界实现具有重要意义。为了学习一个跨多样门的通用策略，我们提出了一个新颖的框架，将整个操作过程解耦为三个阶段，并通过按推理的逆序训练来整合它们。大量实验验证了我们设计的有效性，并展示了我们框架的强大性能。代码、数据和视频可在https://unidoormanip.github.io/获取。
引用
@article{arxiv.2403.02604,
title = {UniDoorManip: Learning Universal Door Manipulation Policy Over Large-scale and Diverse Door Manipulation Environments},
author = {Yu Li and Xiaojie Zhang and Ruihai Wu and Zilong Zhang and Yiran Geng and Hao Dong and Zhaofeng He},
journal= {arXiv preprint arXiv:2403.02604},
year = {2024}
}
备注
Project page https://unidoormanip.github.io/