内容摘要
在杂乱货架上取扳手这类任务里,机器人要连着做好推、抓、搬运等多个技能,每个技能还带一组参数。以技能为中心的规划器 MOSAIC 会把每个候选技能都先放进物理仿真器跑一遍,不管它最后是否进入解里,这一步占它 80% 以上的规划时间。Lazy-MOSAIC 改的就是这条流水线:先用便宜的学习模型预判技能会不会成功、会把物体带到哪里,再决定哪次仿真值得花。
预判由技能效果世界模型完成:用 Deep Sets(一种对输入对象顺序不敏感的集合编码结构)编码器把技能提案特征、机器人自身状态和逐物体特征合成场景上下文,输出头预测成功与否、机器人位形变化和物体状态残差;若干独立初始化的模型组成集成,用彼此的分歧表示不确定性。规划时并行维护两张图:乐观图存预测,认证图只存仿真中跑通的技能;候选路径的前驱都已兑现时,才把下一个技能送进仿真做认证;预测与实测不符时只修掉依赖它的分支,保留实测状态,其余预测照用。于是返回计划的每个技能都经过仿真验证,学习模型的误差只影响搜索效率,不影响计划有效性。
评测用 UR10e 机械臂配平行夹爪,在 ManiSkill3/SAPIEN 仿真里做三个货架任务(任务 1、任务 2 各含易/中/难,任务 3 无易档),每档 20 个相同随机配置、规划超时 600 秒。Lazy-MOSAIC 成功 104/160 次,MOSAIC 81/160 次;在两者都解出的设置上,规划时间最多快 6.6 倍,仿真器调用从 46.4/67.9/134.5 次降到 16.9/21.7/41.3 次(易/中/难)。不做仿真认证、只按学习模型执行的 WM-MOSAIC 在它能解出的试验上很快(1.7–8.1 秒),但 160 条已执行计划里只有 33 条到达目标。真机演示作者只给出配套视频,正文未提供真机量化结果。
点评
对做机器人本体软件的工程师,这套做法是把「便宜模型筛选、物理仿真把关」接到技能库规划器上:便宜模型决定哪些技能值得占用一次仿真调用,仿真器保留最终验证权,因此能压低仿真调用量而不放弃基于物理仿真的安全前提。前提也很明确——工作空间几何和物体类型须预先已知,学习模型针对该半结构化环境离线训练,作者把跨工作空间泛化列为下一步。
本次材料为 arXiv v1 的公告条目与全文 HTML 快照(非滚动页、非持续更新目录),未包含第三方复现或后续版本记录;表 I、表 II 的成功率和时间数据均来自 ManiSkill3/SAPIEN 仿真,真机部分作者只指向配套视频,正文未给出真机量化结果。方法只针对工作空间与物体类型预先已知的半结构化场景,跨工作空间泛化被作者列为下一步;最难的设置上加速幅度较小,乐观图的维护与修复开销也随图规模增长。任务 3 的困难档成功率仍然很低(4/20),其余方法在该档全部失败。
版本与核查范围
版本 2611.21517v1 · 原文定位与程序检查、独立上下文模型复核;不代表独立研究复现。。依据已核查材料整理;未运行模型或机器人。
原文与定位
- 原文链接 #S1.p2.1;#abstract1.1;figcaption[32];#S4.p1.1;#S1.p3.1;#S5.SS1.p1.1;#S5.SS2.p1.1;#S5.SS2.p3.1;#S5.SS2.p3.1;#S5.SS2.p4.1;#S6.p1.1;#S5.p1.1
