Open Source Robotics

Una raccolta curata di progetti, strumenti e software di robotica open source di alta qualità per la comunità della robotica.

Universal Manipulation Interface: In-The-Wild Robot Teaching Without In-The-Wild Robots

Autori: Cheng Chi, Zhenjia Xu, Chuer Pan, Eric Cousineau, Benjamin Burchfiel, Siyuan Feng, Russ Tedrake, Shuran Song · RSS 2024

RSS 2024

Licenze

  • Open access
  • Articolo: arXiv.org perpetual, non-exclusive license 1.0

In base alla licenza di arXiv, tutto ciò che segue è scritto solo a partire dall'abstract.

Perché è importante

Permette di trasferire abilità direttamente da dimostrazioni umane in ambienti reali a policy robotiche impiegabili, con una raccolta dati portatile ed economica.

Soluzione proposta

Universal Manipulation Interface (UMI), un framework di raccolta dati e apprendimento delle policy: pinze impugnabili a mano per raccogliere dimostrazioni e un'interfaccia di policy con allineamento della latenza e azioni a traiettoria relativa.

Abstract

Presentiamo Universal Manipulation Interface (UMI), un framework di raccolta dati e apprendimento delle policy che permette il trasferimento diretto di abilità da dimostrazioni umane raccolte sul campo a policy robotiche pronte per l'impiego. UMI impiega pinze manuali abbinate a un'interfaccia progettata con cura per consentire una raccolta dati portatile, a basso costo e ricca di informazioni per dimostrazioni impegnative di manipolazione bimanuale e dinamica. Per facilitare l'apprendimento di policy pronte per l'impiego, UMI incorpora un'interfaccia di policy progettata con cura, con allineamento della latenza al momento dell'inferenza e una rappresentazione delle azioni a traiettoria relativa. Le policy apprese che ne risultano sono indipendenti dall'hardware e utilizzabili su più piattaforme robotiche. Grazie a queste caratteristiche, il framework UMI sblocca nuove capacità di manipolazione robotica, consentendo comportamenti dinamici, bimanuali, precisi e a lungo orizzonte generalizzabili zero-shot, cambiando solo i dati di addestramento per ciascun compito. Dimostriamo la versatilità e l'efficacia di UMI con esperimenti completi nel mondo reale, in cui le policy apprese tramite UMI generalizzano zero-shot a nuovi ambienti e oggetti quando sono addestrate su dimostrazioni umane diversificate.

Link

  • arXiv 2402.10329: https://arxiv.org/abs/2402.10329
  • PDF: https://arxiv.org/pdf/2402.10329.pdf
  • Codice: https://github.com/real-stanford/universal_manipulation_interface
  • Pagina del progetto: https://umi-gripper.github.io/

Questo sito richiede JavaScript. Attiva JavaScript per esplorare i nostri progetti di robotica open source.