Pose6DAug:面向机器人数据增强的物理合理多视角物体替换方法
针对视觉语言动作(VLA)策略在面对分布外物体时表现不佳的问题,该方法提出一种无需采集新数据的失败驱动数据增强框架。其核心在于直接操作 3D 空间,利用显式网格和时序一致的 6D 姿态轨迹锚定目标物体进行替换,从而保证多视角渲染的几何一致性。实验显示,在新型物体上微调 VLA 模型可使成功率相对最先进基线提升 16.5%,同时在真实机器人上将基础策略的成功率翻倍。
推荐理由:提出基于物理的物体替换框架,利用现有成功轨迹生成新演示以解决 VLA 模型在未知物体上的泛化问题。