CEI: 3D空間におけるクロスエンボディメント視覚運動方策学習のための統合インターフェース
CEI: A Unified Interface for Cross-Embodiment Visuomotor Policy Learning in 3D Space
異なるロボットアームやエンドエフェクタ間で実演データを転移し、未見の形態でも方策学習を可能にするフレームワークCEIを提案。機能類似性に基づく軌道アライメントで、シミュレーションと実機での双方向転移を実現した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Tong Wu, Shoujie Li, Junhao Gong, Changqing Guo, Xingting Li, Shilong Mu, Wenbo Ding
分類: cs.RO
原文アブストラクト
Robotic foundation models trained on large-scale manipulation datasets have shown promise in learning generalist policies, but they often overfit to specific viewpoints, robot arms, and especially parallel-jaw grippers due to dataset biases. To address this limitation, we propose Cross-Embodiment Interface (\CEI), a framework for cross-embodiment learning that enables the transfer of demonstrations across different robot arm and end-effector morphologies. \CEI introduces the concept of \textit{functional similarity}, which is quantified using Directional Chamfer Distance. Then it aligns robot trajectories through gradient-based optimization, followed by synthesizing observations and actions for unseen robot arms and end-effectors. In experiments, \CEI transfers data and policies from a Franka Panda robot to \textbf{16} different embodiments across \textbf{3} tasks in simulation, and supports bidirectional transfer between a UR5+AG95 gripper robot and a UR5+Xhand robot across \textbf{6} real-world tasks, achieving an average transfer ratio of 82.4\%. Finally, we demonstrate that \CEI can also be extended with spatial generalization and multimodal motion generation capabilities using our proposed techniques. Project website: https://cross-embodiment-interface.github.io/
関連論文
- EgoX: 身体性ドリーミングによる一人称視点のクロスエンボディメントマニピュレーションクロスエンボディメント
- 異なるロボット間で共有できる意図表現を学ぶマニピュレーション手法CIALLOクロスエンボディメント
