斯坦福人形机器人{实现质变}：“新视角、新对象、新环境”下基础任务成功率飙升至90%！

文章预览

打造一个有温度、有趣味、专业的全栈式AI 交流社区， 用心写好每一篇文章！ “     能够在非结构化环境中执行各种任务的人形机器人长期以来一直是机器人界的一个终极目标。 近期，人形机器人硬件的开发取得了实质性进展。同时，控制这些机器人的视觉模仿学习方法也越来越受欢迎，使它们能够自主执行复杂的技能。然而，这些自主操作技能大多仍局限于特定场景，主要是由于视觉模仿学习方法的泛化能力有限。3D视觉运动策略的最新进展展示出将所学技能推广到更复杂和多样化场景的巨大潜力。其中，3D扩散策略DP3在不同实施案例的各种模拟和现实任务中都是有效的。为了解决人形机器人现有3D视觉运动策略的局限性， 作者提出了改进的3D扩散策略（iDP3），这是一种新的3D模仿学习方法，利用相机帧中的自我中心3D表示，消除了对相机校准 ………………………………