ObstaDiff: Generalizable Diffusion Policy Learning via Obstacle-aware Representations
ObstaDiff 是一个通用的扩散策略框架，它利用具备障碍物感知能力的视觉表示，使机器人在杂乱、非结构化环境中实现鲁棒的机器人操控，在现实世界的农业试验中，与现有基准相比，实现了更高的任务成功率并降低了碰撞率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
长期以来，机器人一直是工厂车间的专家，它们能在固定的部件和可预测的路径中精准移动。但一旦走出那个受控的世界，进入一个真实的园艺环境、杂乱的工作室或繁忙的家庭，任务就会变得困难得多。在这些非结构化环境中，机器人手臂必须在寻找特定目标（如成熟的水果）的同时，穿梭于遮挡路径的叶片、茎干和工具构成的迷宫之中。挑战不仅在于看到目标，还在于对周围空间有足够的理解，以便在移动时不会发生碰撞。多年来，研究人员一直试图教机器人通过人类演示来学习，这种方法被称为模仿学习。然而，大多数此类系统都是在干净、空旷的环境中训练的，在面对现实世界的视觉混沌时表现挣扎。它们往往无法区分哪些是应该触摸的目标，哪些是应该避开的障碍，从而导致笨拙的动作或碰撞。
加州大学洛杉矶分校的一个研究小组开发了一种名为 ObstaDiff 的新方法，旨在帮助机器人导航这些拥挤的空间。该系统并没有向机器人输入将目标物体、障碍物和背景混合成一张混乱图像的标准视频流，而是将场景分解为三个不同的层级：目标、障碍物和背景。这种分离让机器人能够清晰地辨别场景中哪些部分是它需要触及的，哪些部分是它必须避开的。通过在这样的结构化视图上进行训练，机器人学会了生成平滑且安全的路径，在叶丛的狭窄缝隙中穿行，而不是直接撞向最近的一片叶子。
研究人员在真实的温室环境中测试了这一系统，这是一个充满了茂密植物生长和变化光照的极具挑战性的环境。他们设置了一个任务，要求机器人手臂在其他植物之间寻找并触及一株特定的辣椒植株。为了验证该系统是否具有真正的泛化能力，他们并没有只是重复同样的动作。相反，他们在数百次试验中改变了目标辣椒的位置，重新排列了周围的障碍植物，甚至将用于训练的辣椒更换成了机器人从未见过的另一种品种的青椒。在 366 次实际执行中，新系统成功完成任务的概率为 75.41%。相比之下，使用其他未采用这种专门视觉处理方式的领先方法，其成功率不到一半。或许更重要的一点是，新系统的碰撞率仅为 8.20%，这与其它方法较高的碰撞率相比有了显著改善。
成功的关键在于机器人如何处理它所看到的内容。传统系统通常将摄像机图像视为单一的平面图像，迫使机器人自行分辨叶子和辣椒的区别。然而，新系统使用了一个轻量级的编码器，在机器人开始规划移动之前，就明确地将图像通道标记为目标、障碍物和背景。这为机器人提供了一张清晰的局面图：这里是目标，那里是墙壁，而这里是空旷空间。随后，机器人利用一种学习过程来生成一系列动作，引导其手臂到达目标前的安全“瓶颈”位置。一旦到达这个安全区域，它就会切换到预录制的动作来完成最后的工作，例如轻轻触碰辣椒。这种两步走的策略让机器人能够将学习重点放在旅程中最困难的部分——即穿过杂乱环境——同时依靠简单、成熟的动作来完成最后的接触。
研究还表明，仅仅向标准系统添加更多数据或深度信息并不能解决问题。当研究人员尝试将同样的结构化图像数据喂给旧的标准学习模型时，性能并未提高，在某些情况下甚至变差了。这表明，机器人如何解释视觉信息与其获取的信息本身同样重要。新系统之所以奏效，是因为其视觉编码器和学习模型是专门协同设计的，经过专门调整以理解目标与障碍物之间的空间关系。如果没有这种定制化设计，机器人就无法有效地利用结构化视图来避免碰撞。
这些发现为需要在复杂自然环境中运行的机器人提供了一条充满前景的路径。通过教会机器人从“目标”与“避让”的角度而非仅仅从“像素堆砌”的角度来看待世界，研究人员创建了一个更加稳健且可靠的系统。实验表明，机器人可以应对植物布局的变化，甚至能适应新的辣椒品种，而无需从头开始重新训练。虽然该系统仍依赖人类来指定目标，且目前还无法独立规划复杂的任务，但它展示了让机器人操作在杂乱、不可预测的现实世界中变得实用的重要一步。结果表明，只要拥有正确的观察方式，机器人就能像人类一样小心翼翼地穿行于拥挤的花园之中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。