欧意资讯

　　原标题：英伟达团队机器训练新方法！仅5次演示让机器生成1000个新demo，李飞飞高徒与徒孙联手出品人类只需要演示五次，就能让机器人学会一项复杂技能。

　　英伟达实验室，提出了机器人训练数据缺乏问题的新解决方案——DexMimicGen。

　　而且可用性强，用这些新demo训练出的机器人，在仿真环境中的任务成功率可以高达97%，比用真人数据效果还要好。

　　参与此项目的英伟达科学家范麟熙（Jim Fan）认为，这种用机器训练机器的方式，解决了机器人领域最大的痛点（指数据收集）。

　　值得一提的是，DexMimicGen三名共同一作都是李飞飞的“徒孙”，具体说是德克萨斯大学奥斯汀分校（UT奥斯汀）助理教授朱玉可（Yuke Zhu）的学生。

　　如前所述，DexMimicGen可以仅根据人类的5次演示，生成1000个新DEMO。

　　在整个实验中，作者设置了9个场景，涵盖了3种机器人形态，共进行了60次演示，获得了21000多个生成DEMO。

　　在仿真环境当中，用DexMimicGen生成数据训练出的策略执行整理抽屉这一任务，成功率可达76%，而单纯使用人工数据只有0.7%。

　　成功率最高的任务是罐子分类，更是高达97.3%，只用人工数据的成功率同样只有0.7%。

　　整体来看，在仿真环境中，生成数据让机器人在作者设计的九类任务上的成功率均明显增加。

　　迁移到真实环境之后，作者测试了易拉罐分拣的任务，结果仅用了40个生成DEMO，成功率就达到了90%，而不使用生成数据时的成功率为零。

　　除此之外，DexMimicGen还展现了跨任务的泛化能力，使训练出的策略在各种不同任务上表现良好。

　　针对初始状态分布变化，DexMimicGen也体现出了较强的鲁棒性，在更广泛的初始状态分布D1和D2上测试时，仍然能够拥有一定的成功率。

　　朱玉可和范麟熙都参与过MimicGen的工作，该成果发表于CoRL 2023。

　　MimicGen的核心思想，是将人类示范数据分割成以目标物体为中心的片段，然后通过变换物体相对位置和姿态，在新环境中复现人类示范轨迹，从而实现自动化数据生成。

　　DexMimicGen则在MimicGen系统的基础上，针对双臂机器人灵巧操作任务做了改进和扩展，具体包括几个方面：

　　对应三种子任务类型，设计了异步执行、同步执行和顺序约束等机制，以实现双臂的独立动作、精密协同和特定顺序操作；

　　实现了“现实-模拟-现实”的框架，通过构建数字孪生，将DexMimicGen拓展到了实际机器人系统的应用。

　　研究人员通过佩戴XR头显，远程控制机器人完成目标任务，在这一过程中就会产生一小批示范数据，作者针对每个任务采集了5~10个人类示范样本。

　　在数据生成开始时，DexMimicGen随机化模拟环境中物体的位置、姿态等数据，并随机选择一个人类示范作为参考。

　　对于当前子任务，DexMimicGen会计算示范片段与当前环境中关键物置和姿态的变换。

　　之后用该变换对参考片段中的机器人动作轨迹进行处理，以使执行这一变换后的轨迹能够与新环境中物置匹配。

　　生成变换后，DexMimicGen会维护每个手臂的动作队列，手指关节的运动则直接重放示范数据中的动作。

　　在整个过程中，系统不断检查任务是否成功完成，如果一次执行成功完成了任务，则将执行过程记录下来作为有效的演示数据，失败则将数据丢弃。

　　收集好数据后，作者用DexMimicGen生成的演示数据训练模仿学习策略，策略的输入为RGB相机图像，输出为机器人动作。

　　最后是模拟到现实的迁移，同样地，作者使用DexMimicGen在数字孪生环境中生成的大规模演示数据，训练模仿学习策略。

　　之后作者对在数字孪生环境中评估训练得到的策略进行调优，以提高其泛化性能和鲁棒性，并迁移到实际机器人系统中。

　　并且三人均出自李飞飞的学生、浙大校友朱玉可（Yuke Zhu）助理教授门下，他们分别是：

　　博士生Zhenyu Jiang，本科就读于清华，2020年进入UT奥斯汀，预计将于明年毕业；

　　硕士生Yuqi Xie（谢雨齐），本科是上海交大和美国密歇根大学联培，预计毕业时间也是明年；

　　博士生Kevin Lin，本科和硕士分别就读于UC伯克利和斯坦福，今年加入朱玉可课题组读博。

　　朱玉可的另一重身份是英伟达的研究科学家，团队的另外两名负责人也都在英伟达。

　　另外，Zhenjia Xu和Weikang Wan两名华人学者对此项目亦有贡献，整个团队的分工如下：