【儀表網(wǎng) 研發(fā)快訊】近日，華中科技大學電信學院與北京通用人工智能研究院(簡稱“北通院”)攜手，在人工智能領域頂級國際期刊IEEE Transactions on Pattern Analysis and Machine Intelligence在線發(fā)表了題為“M2Diffuser：Diffusion-based Trajectory Optimization for Mobile Manipulation in 3D Scenes”的最新研究成果。該成果為機器人在復雜三維場景下實現(xiàn)高效、精準的移動操作提供了全新的解決方案。論文第一作者為電信學院“通計劃”2024級聯(lián)合培養(yǎng)博士生鄢思旭，電信學院王興剛教授與北通院劉航欣研究員為論文共同通訊作者。
 

　　當前，人工智能與機器人技術的融合正不斷帶來新成果。然而在移動操作這一關鍵領域，傳統(tǒng)方法長期以來面臨著諸多挑戰(zhàn)，例如高維動作空間、復雜環(huán)境交互以及嚴格的物理約束等。M2Diffuser全稱為“Mobile Manipulation Diffuser”，是一種基于擴散模型的場景條件生成模型。它首次結合了學習方法與傳統(tǒng)規(guī)劃方法的優(yōu)勢，直接從機器人中心的3D掃描數(shù)據(jù)中生成高效、協(xié)調的全身運動軌跡。這一創(chuàng)新方法不僅能夠靈活地適應各種復雜的任務目標，還能在每次去噪步驟中以完全可微分的方式減少物理違規(guī)和執(zhí)行錯誤，確保機器人的動作既安全又精準。
 

三維場景下的移動操作挑戰(zhàn)
 

　　在過去，無論是基于學習的自回歸規(guī)劃方法，都依賴于完美環(huán)境知識的傳統(tǒng)規(guī)劃方法，難以在復雜的真實世界環(huán)境中實現(xiàn)高效、可靠的移動操作。學習方法雖然能夠從數(shù)據(jù)中學習到復雜的技能，但在模型推理過程中往往難以完全消除物理約束的違反；而傳統(tǒng)規(guī)劃方法則因對環(huán)境建模的嚴格要求和對目標的過度依賴，難以在實際應用中實現(xiàn)廣泛的擴展。
 

　　為了突破這些瓶頸，研究團隊首先開發(fā)了M3Bench——一個涵蓋30000個物體操作任務的移動操作基準測試平臺，覆蓋119種多樣化的家庭場景。該平臺不僅提供了豐富的專家演示數(shù)據(jù)，還配備了元數(shù)據(jù)采集接口，構建了從基礎抓取到復雜場景操作的任務譜系。M3Bench的開發(fā)為M2Diffuser 提供了高質量的訓練數(shù)據(jù)，確保了模型在復雜三維環(huán)境下的高效學習和優(yōu)化能力。這一平臺的出現(xiàn)，不僅解決了移動操作研究中缺乏標準化測試平臺的問題，還為全身運動規(guī)劃研究提供了系統(tǒng)化的評估框架，支持對運動生成算法進行全面驗證。
 

M3Bench移動操作測試平臺
 

　　M2Diffuser利用擴散模型的強大能力，可以直接學習運動軌跡的概率分布。在推理過程中，M2Diffuser將物理約束和任務目標建模為可微分的成本和能量函數(shù)，引導優(yōu)化過程，確保生成的軌跡既符合物理規(guī)律，又能精準完成任務目標。這一過程中，M2Diffuser不僅能夠處理復雜的全身運動軌跡，還能在多種任務之間靈活切換，展現(xiàn)出極高的適應性和泛化能力。
 

M2Diffuser模型架構
 

　　實驗結果表明，M2Diffuser相較于基線方法在所有性能指標上實現(xiàn)了質的提升(平均提升26%)。它不僅在熟悉和未知場景中均展現(xiàn)出更高的成功率，還通過優(yōu)化機制大幅降低了碰撞率，并生成了更平滑、更符合關節(jié)限制的運動軌跡。此外，M2Diffuser憑借其迭代去噪過程和全局優(yōu)化能力，能夠生成更接近全局最優(yōu)解的運動軌跡，有效避免了短視規(guī)劃問題。它還首次實現(xiàn)了從仿真到真實世界的無縫遷移，直接將基于模仿學習的神經(jīng)運動規(guī)劃器應用于真實家庭環(huán)境中的移動操作任務，并成功處理了未見過的環(huán)境和物體，充分證明了其在復雜真實場景中的泛化能力和魯棒性。
 

M2Diffuser仿真測試
 

M2Diffuser真機測試
 

　　M2Diffuser有望賦能機器人在復雜環(huán)境中自主、高效地完成各種任務，為智能工廠、家庭服務機器人、物流配送等領域帶來革命性變革，極大地提高生產(chǎn)效率和生活質量。該成果的取得也是我校與北京通用人工智能研究院圍繞“通計劃”開展合作研究取得的重要成果之一。