新闻报道

导读：李飞飞团队提出了一种名为“数字表亲”的新方法，旨在降低从真实场景到模拟场景生成的成本，并提升学习的普遍性。

新智元报道

在利用模拟环境训练机器人时，模拟数据与真实世界之间存在显著差异。为解决这一问题，李飞飞团队提出了一种名为“数字表亲”的创新方法。这种方法不仅降低了生成模拟场景的成本，还提升了学习的普适性。

什么是“数字表亲”？

“数字表亲”是一种虚拟资产，其主要特点是不明确模拟现实世界的物体，而是捕捉它们的几何和语义特征。相比数字孪生，数字表亲的成本更低，同时具有更好的泛化能力。

数字表亲的应用

实验显示，“数字表亲”生成的场景能够保持几何和语义特征，训练出的策略表现优于数字孪生（90% 对比 25%）。更重要的是，这些策略可以通过零样本学习直接应用于原始场景中。

方法概述

“数字表亲”的创建过程包括三个步骤：

1. 信息提取：从输入的RGB图像中提取对象信息。
2. 数字表亲匹配：利用提取的信息匹配相应的3D模型。
3. 场景生成：将匹配的数字表亲进行后处理并组合成一个完整的模拟场景。

这种方法能够自动创建与输入图像语义相似但细节不同的虚拟场景，从而为机器人策略训练提供多样化环境。

研究结论

研究发现，使用“数字表亲”生成的场景训练的策略，不仅在领域内表现良好，还具有出色的领域外泛化能力。此外，这些策略还可以实现从模拟到实际场景的零样本迁移。

作者介绍

• Tianyuan Dai：本科毕业于香港科技大学，现为斯坦福大学研究生，研究方向包括机器人算法和数据驱动方法的应用。

• Josiah Wong：斯坦福大学博士生，研究重点是利用仿真技术拓展机器人的操作能力。

以上内容展示了李飞飞团队在机器人训练领域的最新进展，为未来的机器人技术发展提供了新的思路。