详细内容或原文请订阅后点击阅览
装甲：人形机器人碰撞避免和运动计划的以eg中心感知
类人生物机器人在感应和感知中存在显着差距，因此很难在密集的环境中执行运动计划。为了解决这个问题，我们介绍了一种新型的以自我为中心的感知系统，该系统同时集成了硬件和软件，专门为人形机器人的可穿戴状深度传感器结合了。我们的分布式感知方法增强了机器人的空间意识，并促进了更敏捷的运动计划。我们还通过利用大约86小时来训练基于变压器的模仿学习（IL）政策，以执行动态碰撞避免……
来源:Apple机器学习研究类人生物机器人在感应和感知中存在显着差距，因此很难在密集的环境中执行运动计划。为了解决这个问题，我们介绍了一种新型的以自我为中心的感知系统，该系统同时集成了硬件和软件，专门为人形机器人的可穿戴状深度传感器结合了。我们的分布式感知方法增强了机器人的空间意识，并促进了更敏捷的运动计划。我们还通过利用AMASS数据集的价值约86个小时的人类现实动作来训练基于变压器的模仿学习（IL）政策，以执行动态碰撞。我们表明，我们的盔甲感知与具有多个密集的头部安装和外部安装的深度摄像机的设置优越，碰撞降低了63.7％，成功率提高了78.7％。我们还将我们的IL政策与基于抽样的运动计划专家Curobo进行了比较，显示碰撞减少了31.6％，成功率提高了16.9％，计算潜伏期降低了26倍。最后，我们将盔甲感知部署在傅立叶智能中的真实世界GR1类人动物上。我们将在此文本的ARXIV版本中更新指向源代码，HW描述和3D CAD文件的链接。