Project Kitchen:用 VR 游戏化玩法低成本采集机器人操作数据
zhenjun_zhao · x · 2026-09-17
论文提出 Project Kitchen,一个 VR 游戏化自我中心数据采集平台,把机器人数据采集变成有吸引力的游戏体验,不依赖特定机器人硬件,可大规模众包部署。
- 动机:可泛化的操作策略需要大规模多样数据,但真实演示采集成本高;现有方案要么绑定特定机器人硬件限制众包,要么标注不全、行为多样性不足。
- 方法:借鉴游戏维持长期参与的设计,引导玩家在 VR 中进行多样、目标导向的操作;提出 Game2Policy,从游戏轨迹中提取具身无关的 affordance 线索(接触点与子目标状态)。
- 结果:affordance 模型先在游戏数据上预训练,再仅用少量真实机器人演示与下游策略联合微调,即可桥接游戏到真实的差距。
为不依赖机器人的可扩展数据采集提供了一条游戏化路线。
「具身」频道最新
- VLA 模型面临语言用量、评测、部署与因果推理等多重挑战 — abursuc · 2026-09-17
- LADA:用潜动作标注低成本模仿语言功能,拆难题为两步 — abursuc · 2026-09-17
- #ssad2026 演讲附赠 Latent Action Models 入门讲解 — abursuc · 2026-09-17
- FIVE-VLA 用 640M 参数跑驾驶任务，效率达 SimLingo 7.5 倍 — abursuc · 2026-09-17
- Real-to-Sim-to-Real:保持功能的形状变形生成零样本机器人操作数据 — zhenjun_zhao · 2026-09-17
- ActiveScale:用 1000 小时自我中心数据训练会主动观察的 VLA 机器人 — zhenjun_zhao · 2026-09-17