Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

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

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

RSS 2024

授權條款

  • 開放取用
  • 論文: arXiv.org perpetual, non-exclusive license 1.0

依 arXiv 的授權條款,以下內容僅依據摘要撰寫。

為何重要

它利用可攜、低成本的資料蒐集方式,讓技能能從真實環境中的人類示範直接轉移到可部署的機器人策略。

提出的方法

Universal Manipulation Interface(UMI),一套資料蒐集與策略學習框架:用來蒐集示範的手持夾爪,以及具備延遲匹配與相對軌跡動作的策略介面。

摘要

我們提出 Universal Manipulation Interface(UMI),一個資料蒐集與策略學習框架,能將野外環境中的人類示範直接轉移成可部署的機器人策略。UMI 採用手持式夾爪搭配仔細的介面設計,能為具挑戰性的雙臂與動態操作示範進行可攜、低成本且資訊豐富的資料蒐集。為了促進可部署的策略學習,UMI 納入一個經過仔細設計的策略介面,具備推論時的延遲匹配與相對軌跡動作表示。由此學到的策略與硬體無關,可部署在多個機器人平台上。具備這些特性的 UMI 框架解鎖了新的機器人操作能力,只要改變每項任務的訓練資料,就能實現可零樣本泛化的動態、雙臂、精確與長時域行為。我們以完整的真實世界實驗展示 UMI 的多用途與效能:以多樣的人類示範訓練時,透過 UMI 學到的策略能零樣本泛化到新的環境與物件。

連結

  • arXiv 2402.10329: https://arxiv.org/abs/2402.10329
  • PDF: https://arxiv.org/pdf/2402.10329.pdf
  • 程式碼: https://github.com/real-stanford/universal_manipulation_interface
  • 專案頁面: https://umi-gripper.github.io/

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。