Opschalen van Proprioceptief-Visueel Leren met Heterogene Vooraf Getrainde Transformers

Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers

September 30, 2024

Auteurs: Lirui Wang, Xinlei Chen, Jialiang Zhao, Kaiming He

cs.AI

Samenvatting

Een van de struikelblokken voor het trainen van algemene robotmodellen vandaag de dag is heterogeniteit. Vorige methoden voor robotleren verzamelden vaak gegevens om te trainen met één specifieke belichaming voor één taak, wat duur is en gevoelig voor overpassing. Dit werk bestudeert het probleem van het leren van beleidsrepresentaties door heterogene voorafgaande training op robotgegevens over verschillende belichamingen en taken op schaal. We stellen Heterogene Vooraf Getrainde Transformers (HPT) voor, die een grote, deelbare romp van een beleidsneuraal netwerk vooraf trainen om een taak- en belichamingagnostische gedeelde representatie te leren. Deze algemene architectuur stemt de specifieke proprioceptie- en zichtinvoer van verschillende belichamingen af op een korte reeks tokens en verwerkt vervolgens dergelijke tokens om te worden toegewezen aan het besturen van robots voor verschillende taken. Door gebruik te maken van recente grootschalige multi-belichamingen echte robotdatasets en simulatie, ingezette robots en menselijke videodatasets, onderzoeken we het vooraf trainen van beleidsregels over heterogeniteit. We voeren experimenten uit om de schaalbaarheid van trainingsdoelstellingen te onderzoeken, tot wel 52 datasets. HPT's presteren beter dan verschillende baselines en verbeteren de prestaties van fijn afgestemde beleidsregels met meer dan 20% op ongeziene taken in meerdere simulatiebenchmarks en echte omgevingen. Zie de projectwebsite (https://liruiw.github.io/hpt/) voor code en video's.

English

One of the roadblocks for training generalist robotic models today is heterogeneity. Previous robot learning methods often collect data to train with one specific embodiment for one task, which is expensive and prone to overfitting. This work studies the problem of learning policy representations through heterogeneous pre-training on robot data across different embodiments and tasks at scale. We propose Heterogeneous Pre-trained Transformers (HPT), which pre-train a large, shareable trunk of a policy neural network to learn a task and embodiment agnostic shared representation. This general architecture aligns the specific proprioception and vision inputs from distinct embodiments to a short sequence of tokens and then processes such tokens to map to control robots for different tasks. Leveraging the recent large-scale multi-embodiment real-world robotic datasets as well as simulation, deployed robots, and human video datasets, we investigate pre-training policies across heterogeneity. We conduct experiments to investigate the scaling behaviors of training objectives, to the extent of 52 datasets. HPTs outperform several baselines and enhance the fine-tuned policy performance by over 20% on unseen tasks in multiple simulator benchmarks and real-world settings. See the project website (https://liruiw.github.io/hpt/) for code and videos.