SPOT:SE（3）面向物心操纵的姿态轨迹扩散

SPOT在物体为中心的模仿学习领域取得了重大突破，特别是在机器人操作领域。这一创新性框架通过利用相对于目标的SE(3)物体姿态轨迹来捕捉任务的本质而脱颖而出。这种方法之所以引人注目，是因为它能够从各种演示中学习，包括那些没有明确动作的演示，如人手演示，并且能够在不同机器人实体之间进行泛化。SPOT的独特之处在于其扩散策略，它是根据物体轨迹来调节的，引导机器人以高精度执行任务。该框架能够直接从演示中提取规划约束，无需手动设置规则，这是一个改变游戏规则的创举。在模拟环境中表现优于先前方法，并成功完成了仅有少量演示的真实世界任务，SPOT对于那些对机器人和人工智能驱动学习前沿感兴趣的人来说是一个令人期待的发展。- SPOT是一个以物体为中心的模仿学习框架，通过捕捉物体相对于目标的SE(3)姿态轨迹来表示每个任务。 - 这种方法将具体行动与感知输入解耦，便于从各种演示类型中学习，包括基于动作和无动作的人手演示，以及跨体现的泛化。 - 物体姿态轨迹本质上捕捉了演示中的规划约束，无需手动制定规则。 - 使用物体轨迹来调节扩散策略以指导机器人执行任务。 - 在RLBench模拟任务上，与之前的工作相比，展示了改进。 - 在真实世界评估中，仅使用在iPhone上拍摄的八个演示，方法完成了所有任务，并完全符合任务约束。