UC伯克利最新！Real2Render2Real：超灵活可扩展机器人数据~

点击下方卡片，关注“具身智能之心”公众号

作者丨具身智能之心

本文只做学术分享，如有侵权，联系删文

---

>>点击进入→具身智能之心技术交流群

更多干货，欢迎加入国内首个具身智能全栈学习社区：具身智能之心知识星球(戳我)，这里包含所有你想要的。

出发点与核心问题

机器人学习领域长期面临数据稀缺的挑战。当前主流的数据收集方式——人类遥操作（teleoperation）存在以下局限性：

• 成本高昂：依赖人工操作，单次演示耗时约1-2分钟

• 可扩展性差：最大规模的数据集（约10万条）仍比LLM/VLM训练数据小100,000倍

• 硬件依赖：需特定机器人实体，难以跨平台复用

传统解决方案如物理仿真存在固有缺陷：

• 动力学模型不精确（如能量不守恒）

• 复杂接触建模需人工调参

• 高保真资产创建耗时

核心科学问题：能否在不依赖动力学仿真或人类遥操作的情况下，通过计算方法规模化生成机器人视觉-动作数据？

方法创新：R2R2R技术框架

1）整体流程

R2R2R通过三阶段流程实现数据生成：

1. Real-to-Sim转换：

• 输入：智能手机拍摄的多视角物体扫描+单段人类演示视频

• 输出：带纹理的3D网格资产+6-DoF物体运动轨迹

• 数据增强：

• • 物体初始位姿随机化

  • 运动轨迹插值生成新变体

• 并行渲染：

• • 使用IsaacLab引擎生成光真实感的机器人执行视频

  • 输出RGB图像-动作对（兼容VLA模型）

  2）关键技术突破

  (1) 3D高斯泼溅重建（3DGS）

  • 采用GARField算法实现物体/部件级语义分割

  • 支持刚体和铰接物体（如抽屉、水龙头）

  • 通过SuGaR方法转换为兼容渲染引擎的网格

  (2) 轨迹多样性生成

  • 空间归一化：将原始轨迹转换到规范空间

  • 球面线性插值（Slerp）：保持运动语义

  • 采样启发式：避免目标位姿附近的无效初始化

  (3) 无动力学假设的逆运动学

  • 使用PyRoki求解器生成关节空间轨迹

  • 关键假设：接触期间物体刚性跟随轨迹

  • 避免模拟摩擦/变形等复杂物理现象

  实验验证

  1）实验设置

  • 硬件平台：ABB YuMi双臂机器人（训练时未见过的形态）

  • 对比基准：人类遥操作数据（50-150条）vs R2R2R生成数据（50-1000条）

  • 评估任务：

  • • 单物体抓取（拾取玩具虎）

    • 多物体交互（将杯子放在咖啡机上）

    • 铰接物体操作（关闭水龙头/打开抽屉）

    • 双手协调（双手抬起包裹）

  2）核心发现

  (1) 数据效率对比

  

  • 单GPU速度：51条/分钟（人类遥操作仅1.7条/分钟）

  • 时间成本：生成1000条数据仅需13-38分钟（人类收集150条需60-104分钟）

  (2) 策略性能分析

  

  • 低数据量时（<150条），真实数据更具样本效率

  • 当R2R2R数据量达到1000条时，性能与人类数据相当（p>0.05，等效性检验）

  技术优势与局限性

  1）创新价值

  • 免仿真：完全规避物理引擎的建模误差

  • 硬件无关：仅需智能手机采集的2D视频

  • 轨迹多样性：单次演示可生成数百变体

  • 跨形态兼容：支持不同机器人URDF模型

  2）当前局限

  限制维度	具体表现	改进方向
  物理交互建模	无法模拟滑动/形变	集成增量势接触模型（IPC）
  环境感知	缺乏碰撞检测	结合快速运动规划
  操作类型	仅支持抓取式操作	扩展非抓取动作（推动/倾倒）
  抓取泛化性	仅兼容平行夹爪	支持多指灵巧手
  跟踪鲁棒性	易受反光/遮挡干扰	置信度感知滤波

  

  参考

  [1] Real2Render2Real: Scaling Robot Data Without Dynamics Simulation or Robot Hardware

  文章首发于国内首个具身智能之心全栈技术平台，具身智能之心知识星球，欢迎扫码加入和近300家公司和高校交流！