蓋世汽車訊 近年來，機器人專家開發(fā)了各種各樣的系統(tǒng)，旨在解決不同的現(xiàn)實世界任務(wù)，如完成家務(wù)、遞送包裹，或在指定環(huán)境中尋找目標(biāo)物體。該領(lǐng)域的一個關(guān)鍵目標(biāo)是，開發(fā)算法以支持在具有不同體型和特征的機器人之間可靠地轉(zhuǎn)移特定技能。這將有助于快速訓(xùn)練機器人完成新任務(wù)，從而拓展其能力。

據(jù)外媒報道，加州大學(xué)伯克利分校（UC Berkeley）的研究人員開發(fā)出RoVi-Aug。這是一種新的計算框架，旨在增強機器人數(shù)據(jù)并促進(jìn)不同機器人之間實現(xiàn)技能轉(zhuǎn)移。該研究發(fā)表在預(yù)印本服務(wù)器arXiv上。該方法利用先進(jìn)的生成模型來增強圖像數(shù)據(jù)，并為不同的機器人創(chuàng)建具有不同攝像視圖的合成視覺任務(wù)演示。

研究人員表示，“當(dāng)代機器學(xué)習(xí)系統(tǒng)成果表現(xiàn)出卓越的泛化能力，特別是生成模型，并激勵研究人員探索如何在機器人技術(shù)中實現(xiàn)類似的泛化能力。自今年年初以來，我們一直在研究跨視點和跨機器人泛化的問題?！?/p>

在之前進(jìn)行研究時，研究人員發(fā)現(xiàn)了在不同機器人之間進(jìn)行學(xué)習(xí)泛化的一些挑戰(zhàn)。具體來說，他們發(fā)現(xiàn)當(dāng)機器人數(shù)據(jù)集中包含的場景分布不均勻時，例如其中特定機器人視覺效果和攝像角度占主導(dǎo)地位，這使得它們在向不同機器人教授相同技能時效果較差。

有趣的是，研究人員發(fā)現(xiàn)，許多現(xiàn)有機器人訓(xùn)練數(shù)據(jù)集具有不平衡性，包括一些最完善的數(shù)據(jù)集。例如，即使是Open-X Embodiment數(shù)據(jù)集（OXE，一個廣泛用于訓(xùn)練機器人算法的數(shù)據(jù)集，其中包含不同機器人完成不同任務(wù)的演示），其中一些機器人的數(shù)據(jù)也更多，例如Franka和xArm機械手。

數(shù)據(jù)集的這種偏差，使機器人策略模型傾向于過度擬合特定的機器人類型和視點。研究人員表示：“為了緩解這一問題，2024年2月，我們提出了一種測試時間適應(yīng)算法Mirage。該算法通過交叉繪制（cross-painting），在訓(xùn)練期間將看不見的目標(biāo)機器人轉(zhuǎn)化為能看見的源機器人，從而創(chuàng)建源機器人在測試時執(zhí)行任務(wù)的假象?！?/p>

返回第一電動網(wǎng)首頁 >