人類只需要演示五次，就能讓機器人學(xué)會一項復(fù)雜技能。

英偉達實驗室，提出了機器人訓(xùn)練數(shù)據(jù)缺乏問題的新解決方案——DexMimicGen。

五次演示之后，DexMimicGen就可以直接模仿出1000個新的demo。

而且可用性強，用這些新demo訓(xùn)練出的機器人，在仿真環(huán)境中的任務(wù)成功率可以高達97%，比用真人數(shù)據(jù)效果還要好。

參與此項目的英偉達科學(xué)家范麟熙（Jim Fan）認(rèn)為，這種用機器訓(xùn)練機器的方式，解決了機器人領(lǐng)域最大的痛點（指數(shù)據(jù)收集）。

同時，Jim Fan還預(yù)言：

機器人數(shù)據(jù)的未來是生成式的，整個機器人學(xué)習(xí)流程的未來也將是生成式的。

值得一提的是，DexMimicGen三名共同一作都是李飛飛的“徒孫”，具體說是德克薩斯大學(xué)奧斯汀分校（UT奧斯汀）助理教授朱玉可（Yuke Zhu）的學(xué)生。

而且三人均為華人，目前都在英偉達研究院實習(xí)。

5次演示，生成1000條數(shù)據(jù)

如前所述，DexMimicGen可以僅根據(jù)人類的5次演示，生成1000個新DEMO。

在整個實驗中，作者設(shè)置了9個場景，涵蓋了3種機器人形態(tài)，共進行了60次演示，獲得了21000多個生成DEMO。

在仿真環(huán)境當(dāng)中，用DexMimicGen生成數(shù)據(jù)訓(xùn)練出的策略執(zhí)行整理抽屜這一任務(wù)，成功率可達76%，而單純使用人工數(shù)據(jù)只有0.7%。

對于積木組裝任務(wù)，成功率也從3.3%提升到了80.7%。

成功率最高的任務(wù)是罐子分類，更是高達97.3%，只用人工數(shù)據(jù)的成功率同樣只有0.7%。

整體來看，在仿真環(huán)境中，生成數(shù)據(jù)讓機器人在作者設(shè)計的九類任務(wù)上的成功率均明顯增加。

相比于baseline方法，用DexMimicGen生成的數(shù)據(jù)也更為有效。

遷移到真實環(huán)境之后，作者測試了易拉罐分揀的任務(wù)，結(jié)果僅用了40個生成DEMO，成功率就達到了90%，而不使用生成數(shù)據(jù)時的成功率為零。

除此之外，DexMimicGen還展現(xiàn)了跨任務(wù)的泛化能力，使訓(xùn)練出的策略在各種不同任務(wù)上表現(xiàn)良好。

針對初始狀態(tài)分布變化，DexMimicGen也體現(xiàn)出了較強的魯棒性，在更廣泛的初始狀態(tài)分布D1和D2上測試時，仍然能夠擁有一定的成功率。

將仿真方法遷移到現(xiàn)實

DexMimicGen是由MimicGen改造而成，MimicGen也出自英偉達和UT奧斯汀的聯(lián)合團隊。

朱玉可和范麟熙都參與過MimicGen的工作，該成果發(fā)表于CoRL 2023。

MimicGen的核心思想，是將人類示范數(shù)據(jù)分割成以目標(biāo)物體為中心的片段，然后通過變換物體相對位置和姿態(tài)，在新環(huán)境中復(fù)現(xiàn)人類示范軌跡，從而實現(xiàn)自動化數(shù)據(jù)生成。

DexMimicGen則在MimicGen系統(tǒng)的基礎(chǔ)上，針對雙臂機器人靈巧操作任務(wù)做了改進和擴展，具體包括幾個方面：

• 引入并行、協(xié)調(diào)、順序三種子任務(wù)類型，以適應(yīng)雙臂靈巧操作任務(wù)的需求；
• 對應(yīng)三種子任務(wù)類型，設(shè)計了異步執(zhí)行、同步執(zhí)行和順序約束等機制，以實現(xiàn)雙臂的獨立動作、精密協(xié)同和特定順序操作；
• 實現(xiàn)了“現(xiàn)實-模擬-現(xiàn)實”的框架，通過構(gòu)建數(shù)字孿生，將DexMimicGen拓展到了實際機器人系統(tǒng)的應(yīng)用。

工作流程上，DexMimicGen會首先對人類示范進行采集和分割。

研究人員通過佩戴XR頭顯，遠程控制機器人完成目標(biāo)任務(wù)，在這一過程中就會產(chǎn)生一小批示范數(shù)據(jù)，作者針對每個任務(wù)采集了5~10個人類示范樣本。

這些人類示范樣本會按照并行、協(xié)調(diào)、順序三種子任務(wù)定義被切分成片段——

• 并行子任務(wù)允許兩臂獨立執(zhí)行；
• 協(xié)調(diào)子任務(wù)要求兩臂在關(guān)鍵時刻同步動作；
• 順序子任務(wù)則規(guī)定了某些子任務(wù)必須在另一些子任務(wù)完成后才能執(zhí)行。

總之，在示范數(shù)據(jù)被切分后，機器人的每個手臂會得到自己對應(yīng)的片段集合。

在數(shù)據(jù)生成開始時，DexMimicGen隨機化模擬環(huán)境中物體的位置、姿態(tài)等數(shù)據(jù)，并隨機選擇一個人類示范作為參考。

對于當(dāng)前子任務(wù)，DexMimicGen會計算示范片段與當(dāng)前環(huán)境中關(guān)鍵物體位置和姿態(tài)的變換。

之后用該變換對參考片段中的機器人動作軌跡進行處理，以使執(zhí)行這一變換后的軌跡能夠與新環(huán)境中物體位置匹配。

生成變換后，DexMimicGen會維護每個手臂的動作隊列，手指關(guān)節(jié)的運動則直接重放示范數(shù)據(jù)中的動作。

在整個過程中，系統(tǒng)不斷檢查任務(wù)是否成功完成，如果一次執(zhí)行成功完成了任務(wù)，則將執(zhí)行過程記錄下來作為有效的演示數(shù)據(jù)，失敗則將數(shù)據(jù)丟棄。

之后就是將生成過程不斷迭代，直到獲得足夠量的演示數(shù)據(jù)。

收集好數(shù)據(jù)后，作者用DexMimicGen生成的演示數(shù)據(jù)訓(xùn)練模仿學(xué)習(xí)策略，策略的輸入為RGB相機圖像，輸出為機器人動作。

最后是模擬到現(xiàn)實的遷移，同樣地，作者使用DexMimicGen在數(shù)字孿生環(huán)境中生成的大規(guī)模演示數(shù)據(jù)，訓(xùn)練模仿學(xué)習(xí)策略。

之后作者對在數(shù)字孿生環(huán)境中評估訓(xùn)練得到的策略進行調(diào)優(yōu)，以提高其泛化性能和魯棒性，并遷移到實際機器人系統(tǒng)中。

作者簡介

DexMimicGen的共同一作有三人，都是UT奧斯汀的華人學(xué)生。

并且三人均出自李飛飛的學(xué)生、浙大校友朱玉可（Yuke Zhu）助理教授門下，他們分別是：

• 博士生Zhenyu Jiang，本科就讀于清華，2020年進入UT奧斯汀，預(yù)計將于明年畢業(yè)；
• 碩士生Yuqi Xie（謝雨齊），本科是上海交大和美國密歇根大學(xué)聯(lián)培，預(yù)計畢業(yè)時間也是明年；
• 博士生Kevin Lin，本科和碩士分別就讀于UC伯克利和斯坦福，今年加入朱玉可課題組讀博。

朱玉可的另一重身份是英偉達的研究科學(xué)家，團隊的另外兩名負責(zé)人也都在英偉達。

他們分別是Ajay Mandlekar和范麟熙（Jim Fan），也都是李飛飛的學(xué)生，Mandlekar是整個DexMimicGen項目組中唯一的非華人。

另外，Zhenjia Xu和Weikang Wan兩名華人學(xué)者對此項目亦有貢獻，整個團隊的分工如下：

△中文為機翻，僅供參考

項目主頁：https://dexmimicgen.github.io/
論文地址：https://arxiv.org/abs/2410.24185