Политика трехмерной диффузии

Аннотация

Имитационное обучение предоставляет эффективный способ обучать роботов ловким навыкам; однако, обучение сложных навыков надежно и обобщаемо обычно требует большого количества демонстраций человека. Для решения этой сложной проблемы мы представляем 3D Диффузионную Политику (DP3), новый подход к визуальному имитационному обучению, который интегрирует мощь 3D визуальных представлений в диффузионные политики, класс условных генеративных моделей действий. Основное концептуальное решение DP3 заключается в использовании компактного 3D визуального представления, извлеченного из разреженных облаков точек с помощью эффективного кодера точек. В наших экспериментах, включающих 72 симуляционных задачи, DP3 успешно справляется с большинством задач всего лишь с 10 демонстрациями и превосходит базовые показатели на 55,3% относительного улучшения. В 4 реальных задачах с роботом, DP3 демонстрирует точное управление с высоким процентом успешных попыток в 85%, имея всего лишь 40 демонстраций для каждой задачи, и проявляет отличные обобщающие способности в различных аспектах, включая пространство, точку зрения, внешний вид и экземпляр. Интересно, что в реальных экспериментах с роботом DP3 редко нарушает требования безопасности, в отличие от базовых методов, которые это часто делают, требуя вмешательства человека. Наше обширное оценивание подчеркивает критическое значение 3D представлений в обучении роботов в реальном мире. Видео, код и данные доступны на https://3d-diffusion-policy.github.io.

English

Imitation learning provides an efficient way to teach robots dexterous skills; however, learning complex skills robustly and generalizablely usually consumes large amounts of human demonstrations. To tackle this challenging problem, we present 3D Diffusion Policy (DP3), a novel visual imitation learning approach that incorporates the power of 3D visual representations into diffusion policies, a class of conditional action generative models. The core design of DP3 is the utilization of a compact 3D visual representation, extracted from sparse point clouds with an efficient point encoder. In our experiments involving 72 simulation tasks, DP3 successfully handles most tasks with just 10 demonstrations and surpasses baselines with a 55.3% relative improvement. In 4 real robot tasks, DP3 demonstrates precise control with a high success rate of 85%, given only 40 demonstrations of each task, and shows excellent generalization abilities in diverse aspects, including space, viewpoint, appearance, and instance. Interestingly, in real robot experiments, DP3 rarely violates safety requirements, in contrast to baseline methods which frequently do, necessitating human intervention. Our extensive evaluation highlights the critical importance of 3D representations in real-world robot learning. Videos, code, and data are available on https://3d-diffusion-policy.github.io .