FieldGen：从远程操作的预操作轨迹到场地引导的数据生成

于红博

摘要: 大规模和多样化的数据集对于训练强大的机器人操作策略至关重要，然而现有的数据收集方法很难在规模、多样性和质量之间取得平衡。模拟提供了可扩展性，但存在虚拟到真实的差距，而远程操作产生高质量的示范，但多样性有限且劳动成本高。我们介绍了FieldGen，一个基于现场指导的数据生成框架，可以在最少的人类监督下实现可扩展、多样化和高质量的真实世界数据收集。FieldGen将操作分解为两个阶段：一个预操作阶段，允许轨迹多样性，和一个需要专家精度的精细操作阶段。人类示范捕获关键的接触和姿态信息，之后吸引力场自动生成多样化的轨迹，收敛到成功的配置。这种分离的设计将可扩展的轨迹多样性与精确的监督相结合。此外，FieldGen-Reward使用奖励注释增强生成的数据，进一步提高策略学习。实验证明，使用FieldGen训练的策略相比基于远程操作的基线具有更高的成功率和改善的稳定性，同时显著减少了长期真实世界数据收集中的人力投入。网页链接：https://fieldgen.github.io/。

更新时间: 2025-10-23 17:47:12

领域: cs.RO,cs.AI,cs.HC

下载: http://arxiv.org/abs/2510.20774v1