域随机化与生成模型在机器人抓取中的应用

# 域随机化和生成模型用于机器人抓取 来源：https://openai.com/index/domain-randomization-and-generative-models-for-robotic-grasping/ ## 摘要 基于深度学习的机器人抓取已经取得了显著进展，这得益于算法改进和数据可用性的增加。然而，最先进的模型通常仅在数百或数千个独特物体实例上进行训练，因此泛化能力可能面临挑战。 在这项工作中，我们探索了一个新颖的数据生成管道，用于训练深度神经网络执行抓取规划，将域随机化的思想应用于物体合成。我们生成了数百万个独特的、不真实的程序生成物体，并训练深度神经网络在这些物体上执行抓取规划。由于给定物体的成功抓取分布可能具有高度多模态性，我们提出了一个自回归抓取规划模型，将场景的传感器输入映射到可能抓取的概率分布。该模型使我们能够在测试时高效地采样抓取（或完全避免采样）。 我们在仿真和真实世界中评估了我们的模型架构和数据生成管道。尽管仅在随机物体上进行了训练，我们发现在仿真中对之前未见过的真实物体的测试可以达到 >90% 的成功率。我们还展示了在真实世界抓取尝试中 80% 的成功率，尽管仅在随机模拟物体上进行了训练。