DMfD

我们提出了一种新颖的演示学习（LfD）方法，即演示变形操纵（DMfD），在专家演示的情况下，使用状态或图像作为输入来解决变形操纵任务。我们的方法以三种不同的方式使用演示，并平衡在线探索环境和使用专家指导有效探索高维空间之间的权衡。我们在 SoftGym 任务套件中针对一维绳子和二维布料的一组代表性操作任务测试 DMfD，每个任务都有状态和图像观察。我们的方法对于基于状态的任务超出基线性能高达 12.9%，对于基于图像的任务超出基线性能高达 33.44%，并且对随机性具有相当或更好的鲁棒性。此外，我们使用基于图像的观察创建了两个具有挑战性的环境来折叠 2D 布料，并为其设置了性能基准。我们在真实机器人上部署 DMfD，与模拟相比，在实际执行过程中标准化性能损失最小 (~6%)。

搜集汇总

背景与挑战

背景概述

DMfD数据集由南加州大学于2022年发布，专注于机器人学习中的变形操纵任务。该数据集提出了一种演示变形操纵方法，利用状态或图像输入解决SoftGym任务套件中的一维绳子和二维布料操作问题，在模拟和真实机器人部署中均表现出优越性能。