EquiBot：用于泛化和数据高效学习的 SIM(3)-等变扩散策略

文章预览

24年7月来自斯坦福的论文“EquiBot: SIM(3)-Equivariant Diffusion Policy for Generalizable and Data Efficient Learning”。 建立有效的模仿学习方法，使机器人能够从有限的数据中学习，同时仍能在各种现实世界环境中进行泛化，这是机器人学习中长期存在的问题。EquiBot，这是一种稳健、数据高效且可泛化的机器人操作任务学习方法。该方法将 SIM(3) 等变神经网络架构与扩散模型相结合。这确保学习的策略不受尺度、旋转和平移变化的影响，增强了它们对未见过环境的适用性，同时保留基于扩散的策略学习优势，例如多模态性和鲁棒性。在 6 个模拟任务套件中展示了该方法降低数据要求并提高对新场景的泛化能力。在现实世界中，通过 6 个移动操作任务的 10 个变型，本文方法可以在每个任务中仅从 5 分钟人类演示中学习后轻松泛化到新目标和新场景。 如图所示：提出 ………………………………