要約
現代のロボットは、形状、サイズ、環境を認識し相互作用するために使用されるセンサー構成が大幅に異なります。
しかし、ほとんどのナビゲーションポリシーは実施形態固有のものである。
あるロボットの構成を使用して学習されたポリシーは、通常、別のロボットに適切に一般化されません。
本体サイズやカメラ視点のわずかな変更でも故障の原因となる場合があります。
最近のカスタムハードウェア開発の急増により、他の実施形態に転送できる単一のポリシーを学習する必要があり、特定のロボットごとに(再)トレーニングする必要がなくなりました。
この論文では、大規模でランダムに初期化された多様な実施形態を使用したシミュレーションのみでトレーニングされた、実施形態に依存しないポリシーである RING (Robotic Indoor Navigation Generalist) を紹介します。
具体的には、AI2-THOR シミュレータを、本体サイズ、回転ピボット ポイント、およびカメラ構成にわたって変化する、制御可能な構成を備えたロボットの実施形態をインスタンス化する機能で強化します。
視覚的なオブジェクトとゴールのナビゲーションタスクでは、RING は実際の目に見えないロボットプラットフォーム (Stretch RE-1、LoCoBot、Unitree の Go1) で堅牢なパフォーマンスを達成し、シミュレーションにおける 5 つの実施形態と 4 つのロボットプラットフォームで平均 72.1% と 78.9% の成功率を達成しました。
現実の世界では。
(プロジェクトWebサイト:https://one-ring-policy.allen.ai/)
要約(オリジナル)
Modern robots vary significantly in shape, size, and sensor configurations used to perceive and interact with their environments. However, most navigation policies are embodiment-specific; a policy learned using one robot’s configuration does not typically gracefully generalize to another. Even small changes in the body size or camera viewpoint may cause failures. With the recent surge in custom hardware developments, it is necessary to learn a single policy that can be transferred to other embodiments, eliminating the need to (re)train for each specific robot. In this paper, we introduce RING (Robotic Indoor Navigation Generalist), an embodiment-agnostic policy, trained solely in simulation with diverse randomly initialized embodiments at scale. Specifically, we augment the AI2-THOR simulator with the ability to instantiate robot embodiments with controllable configurations, varying across body size, rotation pivot point, and camera configurations. In the visual object-goal navigation task, RING achieves robust performance on real unseen robot platforms (Stretch RE-1, LoCoBot, Unitree’s Go1), achieving an average of 72.1% and 78.9% success rate across 5 embodiments in simulation and 4 robot platforms in the real world. (project website: https://one-ring-policy.allen.ai/)
arxiv情報
著者 | Ainaz Eftekhar,Luca Weihs,Rose Hendrix,Ege Caglar,Jordi Salvador,Alvaro Herrasti,Winson Han,Eli VanderBil,Aniruddha Kembhavi,Ali Farhadi,Ranjay Krishna,Kiana Ehsani,Kuo-Hao Zeng |
発行日 | 2024-12-18 23:15:41+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google