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
授權條款
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/