《3D Diffusion Policy》论文阅读

最新推荐文章于 2024-06-21 00:01:23 发布

深度学习_小白

最新推荐文章于 2024-06-21 00:01:23 发布

阅读量1.4k

点赞数 14

分类专栏：论文阅读文章标签：笔记

本文链接：https://blog.csdn.net/programmer_A/article/details/136867066

版权

论文阅读专栏收录该内容

5 篇文章 0 订阅

订阅专栏

本文仅是个人对该文章的阅读总结，并不能全篇概括作者的精华，还需大家详细阅读原文

---------------------------------------------------------------------------------------------------------------------------------

摘要

问题：模仿学习为教授机器人灵巧技能提供了一种高效途径，但是学习复杂的、具有普适性的技能通常需要大量的人类示范

解决：3D扩散策略（DP3）将3D视觉表示的强大之处融入到扩散策略中，这是一类有条件的动作生成模型。

核心：利用高效的点编码器从稀疏点云中提取紧凑的3D视觉表示。

取得成果：

（1）在涉及 72 个模拟任务的实验中，DP3仅使用 10 个示范就成功处理了大多数任务，并且相对于基线方法取得了 55.3% 的相对改进。

（2）在 4 个真实机器人任务中，DP3仅使用每个任务 40 个示范就展示了精确控制，成功率高达 85%，并且在空间、视点、外观和实例等多个方面展现了出色的泛化能力。

（3）DP3很少违反安全要求。

方法

问题定义：

视觉运动策略 π : O → A

视觉观察 o ∈ O

动作 a ∈ A

DP3组成：

（1）Perception：DP3利用点云数据感知环境，并利用高效的点编码器将这些视觉观测结果处理成视觉特征;

（2）Decision：DP3利用了expressive Diffusion Policy 作为动作生成的支干，该策略根据我们的3D视觉特征生成动作序列。

A Motivating Example

证明DP3的泛化能力：

目标：让手持器准确的到达指定目标点

为了评估模仿学习算法不仅适应训练数据的有效性，还要泛化到新场景的能力，在3D空间中可视化了•训练点和•成功评估点

仅用五个训练点，DP3就能到达分布在3D空间中的点，展示了DP3在数据有限的情况下的优越泛化能力和效率。

Perception

DP3侧重于仅使用单视图摄像机对所有任务进行策略学习。

Representing 3D scenes with point clouds（点云表示）

DP3采用稀疏点云作为三维表示，因为与（RGB-D、深度和体素）相比，点云更有效。
对于模拟和现实世界，从单个相机获得大小为84 × 84的深度图像。然后，使用相机外参和内参将深度转换为点云。为了获得更好的外观泛化效果，不使用彩色通道。

Point cloud processing（点云处理）

由于从深度转换而来的点云可能包含冗余点，因此需要裁剪掉这些点，仅保留在一个边界框内的点
通过最远点采样（FPS）对点进行降采样，这有助于充分覆盖 3D 空间，并减少了点云采样的随机性
将点云降采样至 512 或 1024 个点

Encoding point clouds into compact representations（将点云编码为紧凑的表示）

使用轻量级MLP网络将点云编码为紧凑的3D表示

Decision

Conditional action generation（条件动作生成）

该模型在三维视觉特征和机器人姿态 q 的条件下，将随机高斯噪声降噪为动作 a 。

Training objective（loss损失）：

训练目标是预测添加到原始数据中的噪声

Implementation details（实现细节）

使用基于卷积网络的扩散策略
使用 DDIM 作为噪声调度器，并使用样本预测代替epsilon预测来更好地生成高维动作，训练时使用100个时间步，推理时使用10个时间步
DP3和所有基线训练了3000个epoch，批大小为128，以确保所有任务的收敛性。

实验

Simulation benchmark

仿真与现实场景之间仍然存在显著差距

（1）真实机器人实验的重要性

（2）大规模多样化模拟任务的必要性收集了7个领域的72个任务，涵盖了不同的机器人技能，（双手动操作、可变形对象操作、铰接对象操作、平行抓手操作）

Expert demonstrations：（这个地方没看懂，就直接全翻译过来，大家自己看吧....）

专家演示是由强化学习（RL）

算法训练的代理收集的，适用于除了 DexDeform 外的所有领域，其中我们使用人类远程操作的数据。
对于 Adroit，我们使用 VRL3 [67]；
对于 MetaWorld，我们使用 BAC [29]；
对于所有其他领域，我们使用 PPO [54]。
我们使用 RL 代理生成成功轨迹，并确保所有模仿学习算法使用相同的演示。

Baselines

这项工作的主要重点是强调3D模式在扩散政策中的重要性。
baseline是于图像的扩散策略，简称为扩散策略

Evaluation metric：

对每个实验使用seeds号为 0、1、2 运行 3 个seeds。对于每个seeds，我们在每 200 个训练epochs次评估 20 个 episode，然后计算最高的 5 个成功率的平均值。我们报告了在 3 个seeds上成功率的平均值和标准差。

Efficiency and Effectiveness

在以下三个方面DP3表现出惊人的效率:

(1) High accuracy

DP3在近30个任务中实现了超过90%的成功率
扩散策略在不到15个任务中实现了超过90%的成功率
DP3没有记录任何成功率低于10%的任务
扩散策略有超过10个成功率低于10%的任务

(2) Learning efficiency

虽然每个任务都训练了3000个epoch，但是观察发现DP3在所有任务大概300 epoch已经达到收敛 相反，扩散策略倾向于以慢得多的速度收敛或收敛到次优结果。

(3) Efficient scaling with demonstrations

在Adroit任务中，DP3和扩散策略都执行合理，而DP3在较少的演示中达到了相当的精度。
在简单的MetaWorld任务中，即使演示次数增加，扩散策略也无法学习，明显落后于DP3

(4) Competitive inference speed

DP3实现的推理速度略微超过扩散策略，这主要归功于使用稀疏点云和紧凑的3D表示。

消融实验

选择了6个任务进行消融实验：

Adroit [ Hammer (H), Door (D), Pen (P) ];

MetaWorld [ Assembly (A), Basketball (B), Shelf Place (S) ]

这些任务包括高维和低维控制任务，每个任务只使用10个演示

实验1：不同表示之间的对DP3的影响

实验2：point cloud 编码器选择

实验3：DP3设计

(a) 对点云进行裁剪在很大程度上提高了准确性；

(b) 整合 LayerNorm 层可以帮助稳定不同任务之间的训练；

(d) DP3 编码器中的投影头通过将特征投影到较低维度加速了推断，而不会影响准确性；

(e) 移除颜色通道确保了鲁棒的外观泛化；

(f) 在低维控制任务中，作为噪声采样器的 DPM-solver++ 与 DDIM 竞争力相当，而 DPMsolver++ 不能很好地处理高维控制任务。

实验4：Training policies on demonstrations from different experts.

我们希望研究专家的行为方式是否会影响模仿学习方法的性能。为此，我们分别在 MetaWorld 任务中使用 RL 训练的代理和脚本策略生成演示，并在这些演示上进行训练。我们可以观察到，一个更好的专家通常能够帮助使用模仿学习算法训练出更好的策略，但 DP3 与地面真值专家之间仍然存在差距。

实验5：不同的图片分辨率对扩散策略的影响

真实场景实验可以之间看论文，这里就不针对该章节，进行详细描述了

结论

介绍了 3D Diffusion Policy（DP3），这是一种高效的视觉模仿学习算法，使用少量示范就能够在模拟和真实环境中管理各种机器人任务。
DP3 的核心在于将精心设计的 3D 表示与扩散策略的表现力相结合。
在 72 个模拟任务中，DP3 的表现优于其 2D 对应物，相对边际提高了 55.3%。
在真实环境中，DP3 在使用 Allegro 手执行可变形物体的复杂操作时表现出高准确性。
证明了 DP3 具有对各个方面的强大泛化能力，并在真实环境中造成的安全违规较少。