SoftMimicGen：面向可扩展机器人学习的柔性物体操作数据生成系统

SoftMimicGen: A Data Generation System for Scalable Robot Learning in Deformable Object Manipulation

大规模机器人数据集促进了多种机器人操作技能的学习，但这些数据集仍难以收集和进一步扩展，因为需要耗费大量人力、时间和成本。仿真与合成数据生成已被证明是满足数据需求的有效替代方案，特别是近期研究表明，此类合成数据集能显著减少对真实世界数据的需求，并促进对真实演示中未见新场景的泛化能力。然而，这一范式目前仅限于易于模拟的刚体任务。可变形物体操作在真实世界操作中占据很大比重，仍是提升合成仿真数据范式应用范围的关键缺口。本文提出SoftMimicGen——一个面向可变形物体操作任务的自动化数据生成流程。我们构建了一套高保真仿真环境，涵盖多种可变形物体（毛绒玩具、绳索、纸巾、毛巾）和操作行为（高精度穿线、动态甩动、折叠、抓取放置），并适配四种机器人形态：单臂机械手、双臂机械手、仿人机器人和手术机器人。我们应用SoftMimicGen在任务套件中生成数据集，基于数据训练高性能策略，并对数据生成系统进行系统性分析。项目网站：\href{https://softmimicgen.github.io}{softmimicgen.github.io}。