SEED-UMI：让双手与机械臂共用外骨骼的灵巧操作演示框架

灵巧手的模仿学习受制于一个瓶颈：难以采集能够保真迁移至机器人的丰富接触示范。先前的可穿戴外骨骼系统仅在人手端进行记录，并通过在自由空间中标定的开环映射进行重定向，这种方法在发生接触时性能会显著退化。我们提出了 SEED-UMI 框架，在该框架中人类与机器人穿戴相同的外骨骼：关节编码器成为物理共享的测量基准，而安装在外骨骼上的腕部相机在人类数据采集和机器人策略执行期间观测到相同的外部机械结构。这使得重定向转化为了成对的跨具身监督，并允许策略直接在原始的以外骨骼为中心的腕部图像上进行训练，无需进行图像分割或修复。在五项接触密集型任务中，SEED-UMI 的数据采集效率比基于外骨骼的遥操作高出 3.0 倍，平均策略执行成功率达到了 70.0%。