EgoRecovery：通过人类恢复演示获取故障恢复能力
本文提出EgoRecovery框架，利用人类第一人称视频数据训练机器人故障恢复策略，比传统遥操作效率高10倍以上，通过协同训练对齐人类与机器人纠正意图，仅需少量机器人演示即可实现可靠恢复。
来源arXiv Robotics作者: Zuhao Ge, Yuchen Zhou, Weitao Zhou, Minglei Li, Xinyu Li, Chao Wu, Hanwen Zhao, Haotian Wang, Zuxuan Wu, Xiaosong Jia, Yu-Gang Jiang
在非结构化和嘈杂的真实世界中，具备故障恢复能力是鲁棒机器人的关键要求。然而，训练这种能力需要大量包含恢复行为的数据，通过机器人遥操作收集此类数据耗时且难以规模化，因为诱导多样化的故障状态、执行纠正动作并重置环境非常低效。为了解决这一挑战，来自佐治亚理工学院等机构的研究人员提出了一种名为EgoRecovery的新框架，该框架利用人类第一人称视频作为可扩展的数据源。
研究团队设计了一套高效的任务级故障配置方案，让人类操作者通过佩戴头戴摄像机记录短时恢复片段。实验表明，在该协议下，人类操作者每小时可生成的有效恢复数据是传统机器人遥操作的10倍以上。为了弥合人类与机器人之间的具身差异，EgoRecovery采用了一种协同训练方法：将人类的恢复演示对齐到一个紧凑的纠正意图空间，该空间同时包含机器人数据，并捕获纠正的时机和幅度。仅需少量机器人恢复演示即可将这些意图转换为可执行的机器人动作。
在部署阶段，系统通过一个学习得到的恢复门控机制，从机器人观测中预测何时需要纠正，并仅在恢复状态下激活纠正意图。研究人员在真实世界的恢复任务上进行了实验，结果显示EgoRecovery在故障起始后的成功率上优于仅使用机器人恢复数据、直接协同训练人类恢复数据以及直接意图迁移等基线方法。该工作为机器人故障恢复提供了一种可扩展且高效的解决方案，有望推动机器人在复杂环境中的自主操作能力。