Gen2Act - 谷歌、卡内基梅隆、斯坦福联合推出生成人类视频引导机器人操作策略

Gen2Act是什么

Gen2Act是由谷歌、卡内基梅隆大学和斯坦福大学共同推出的一种机器人操作策略，基于预测网络数据中的运动信息来生成人类视频，并将视频用在引导机器人执行新任务。策略基于大量可用的网络视频数据，避免直接生成机器人视频的复杂性。Gen2Act的核心在于零样本的人类视频生成，结合预训练的视频生成模型和少量的机器人交互数据训练策略。在真实世界的应用中，Gen2Act展现强大的泛化能力，能操作未见过的物体类型并执行新的动作，相较于其他方法，成功率显著提升。Gen2Act支持复杂任务的长时执行，例如连续完成“制作咖啡”等多步骤活动。这一方法减少了对大规模机器人数据采集的需求，用闭环策略动态调整提高操作的准确性。

Gen2Act的主要功能

• 零样本视频生成：Gen2Act能直接用预训练的视频生成模型，根据语言描述的任务和场景图像，生成人类执行任务的视频，无需针对特定任务进行微调。
• 泛化到新任务：基于生成的人类视频引导，Gen2Act使机器人执行在训练数据中未出现过的新任务，包括操作未见过的物体类型和执行新的动作。
• 闭环策略执行：结合生成的视频和机器人的实时观察，Gen2Act基于闭环策略动态调整机器人的动作，适应场景的变化准确执行任务。
• 长时任务处理：Gen2Act能够完成单一任务，基于任务序列的链接，执行一系列复杂的长时任务，如“制作咖啡”，涉及到多个步骤的连续操作。
• 减少数据需求：Gen2Act只需较少的机器人演示数据，大大降低数据收集的成本和工作量。

Gen2Act的技术原理

• 人类视频生成： 基于预训练的视频生成模型，根据语言描述的任务和场景的首帧图像，零样本生成人类执行任务的视频。
• 视频到动作的翻译： 基于闭环策略，将生成的人类视频转化为机器人的动作。策略用视频的视觉特征和点轨迹预测隐式编码运动信息。
• 视觉特征提取： 用ViT编码器和Transformer编码器从生成的视频和机器人的观察历史中提取特征。
• 点轨迹预测： 基于轨迹预测Transformer预测视频中点的运动轨迹，辅助损失训练策略。
• 行为克隆损失： 基于最小化预测动作和真实动作之间的误差优化策略，模仿人类视频中的行为。

Gen2Act的项目地址

• 项目官网：https://homangab.github.io/gen2act/
• arXiv技术论文：https://arxiv.org/pdf/2409.16283

Gen2Act的应用场景

• 家庭自动化：在家庭环境中，Gen2Act能操控家居设备，如开关微波炉、操作咖啡机、整理物品等，帮助实现家庭自动化。
• 工业自动化：在制造业中，Gen2Act能执行复杂的装配任务，或者在需要灵活性和适应性的环境中替换或辅助人工操作。
• 服务行业：在餐饮或零售服务中，Gen2Act指导机器人完成点单、上菜、整理货架等任务。
• 医疗辅助：在医疗领域，Gen2Act帮助开发执行精细操作的机器人，如协助手术或递送医疗用品。
• 灾难救援：在灾难救援现场，Gen2Act操控机器人在未知环境中进行搜索和救援任务。