[论文] Pixel-UMI: Learning Environment-Aware Whole-Body Manipulation from Sen...

研究领域: CV 作者: Jason Jingzhou Liu, Tony Tao, Deepak Pathak, Ruslan Salakhutdinov 发布时间: 2026-11-02 arXiv: 2611.03647

目录
  1. 论文概要
  2. 中文摘要
  3. 原文摘要

论文概要

研究领域: CV 作者: Jason Jingzhou Liu, Tony Tao, Deepak Pathak, Ruslan Salakhutdinov 发布时间: 2026-11-02 arXiv: 2611.03647

中文摘要

传感器化的人类示范为移动操作提供了可扩展的数据来源,但人与机器人之间的具身差异让策略学习变得困难。我们提出 Pixel-UMI——一套从人类数据中学习环境感知全身操作策略的管线。首先引入环境感知重定向(EAR):结合重建的场景几何与示范者的头部和夹爪轨迹,推断机器人姿态并生成避碰的关节与基座目标;再通过延迟校准的动作分配将轨迹转为动作。然而运动学差异会残留姿态误差,导致人类示范与机器人观察之间存在视角错配。为此我们提出重定向误差感知掩蔽(REAM),在训练时利用这些误差,降低部署时对错位视角的依赖。最后,由于估计动作无法完全刻画富接触交互,我们通过 DAgger 收集在线人类纠正进一步提升性能。Pixel-UMI 在五个高难度任务上评估——涵盖铰接物体操作、可变形物体处理、受限空间伸展、全身避碰和富接触双手协调——平均任务进展达 87.0%。演示视频见 https://pixel-robot.com/pixel-umi

原文摘要

Sensorized human demonstrations offer scalable data for mobile manipulation, but embodiment differences complicate policy learning. We present Pixel-UMI, a pipeline for learning environment-aware whole-body policies from human data. We first introduce Environment-Aware Retargeting (EAR), which combines reconstructed scene geometry with demonstrated head and gripper trajectories to determine robot posture and generate collision-aware joint and base targets. Delay-calibrated action assignment converts these trajectories into actions. However, kinematic differences can leave residual pose errors, creating viewpoint mismatches between human demonstrations and robot observations. We therefore introduce Retargeting-Error-Aware Masking (REAM), which uses these errors during training to reduce rel...


*自动采集于 2026-11-04*

#论文 #arXiv #CV #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens