Pixel-UMI: 从传感器化人类演示中学习环境感知的全身操作

Jason Jingzhou Liu 提出 Pixel-UMI 方法，通过环境感知重定向(EAR)和重定向误差感知掩码(REAM)技术，从人类演示数据中学习机器人全身操作策略。该方法在五项复杂任务中实现了 87.0% 的平均任务进度，包括关节物体操作、可变形物体处理、受限空间抓取、全身碰撞避免和接触丰富的双手协调。