ALOHA Unleashed: A Simple Recipe for Robot Dexterity

要約

最近の研究では、模倣学習を使用してエンドツーエンドのロボット ポリシーを学習する有望な結果が示されています。
この研究では、難しい器用な操作タスクに対して模倣学習をどこまで進めることができるかという問題に取り組みます。
私たちは、ALOHA 2 プラットフォーム上で大規模なデータ収集を行うシンプルなレシピを、拡散ポリシーなどの表現力豊かなモデルと組み合わせることで、変形可能な物体や複雑な接触に富んだダイナミクスを含む困難な両手操作タスクの学習に効果的であることを示します。
5 つの困難な現実世界のタスクと 3 つのシミュレートされたタスクでレシピを実証し、最先端のベースラインを上回るパフォーマンスの向上を実証します。
プロジェクトの Web サイトとビデオは、aloha-unleashed.github.io でご覧いただけます。

要約(オリジナル)

Recent work has shown promising results for learning end-to-end robot policies using imitation learning. In this work we address the question of how far can we push imitation learning for challenging dexterous manipulation tasks. We show that a simple recipe of large scale data collection on the ALOHA 2 platform, combined with expressive models such as Diffusion Policies, can be effective in learning challenging bimanual manipulation tasks involving deformable objects and complex contact rich dynamics. We demonstrate our recipe on 5 challenging real-world and 3 simulated tasks and demonstrate improved performance over state-of-the-art baselines. The project website and videos can be found at aloha-unleashed.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google