通用视觉分解器：让长程操作变得简单
机器人学
2023-10-13 v1 计算机视觉与模式识别
摘要
真实世界机器人任务跨越较长时序并包含多个阶段。然而，学习长程操作任务是一项长期挑战，需要将总体任务分解为若干可管理的子任务，以促进策略学习及对未知任务的泛化。先前的任务分解方法需要特定任务知识、计算密集，且难以直接应用于新任务。为解决这些不足，我们提出通用视觉分解器（UVD），一种利用为机器人控制设计的预训练视觉表征、用于视觉长程操作的即用型任务分解方法。在高层次上，UVD 通过在预训练表征的嵌入空间中检测相位转变来发现子目标。UVD 仅基于视觉演示而无辅助信息运行，可有效提取视频中嵌入的视觉子目标，同时在标准视觉运动策略训练之上不产生额外训练成本。使用 UVD 发现的子目标学习的goal-conditioned策略在测试时对未知任务展现出显著改进的组合泛化能力。此外，UVD 发现的子目标可用于构建基于目标的奖励塑形，为强化学习启动时间扩展的探索。我们在仿真和真实任务上对 UVD 进行了广泛评估，在所有情况下，UVD 在模仿学习和强化学习设置下，于同分布和异分布任务序列上均大幅优于基线，验证了在简单紧凑的 UVD 框架内进行自动化视觉任务分解的明显优势。
引用
@article{arxiv.2310.08581,
title = {Universal Visual Decomposer: Long-Horizon Manipulation Made Easy},
author = {Zichen Zhang and Yunshuang Li and Osbert Bastani and Abhishek Gupta and Dinesh Jayaraman and Yecheng Jason Ma and Luca Weihs},
journal= {arXiv preprint arXiv:2310.08581},
year = {2023}
}