# 3D扩散策略赋能全尺寸人形机器人单场景数据跨场景泛化操作

> 原文链接：https://robotics.hellobike.com/papers/2024-10-14-2410-10803-af81c49d
> 频道：papers | 更新日期：2024-10-14 | 标签：auto, arxiv, cs.RO, landmark
> 核心摘要：研究构建含遥操作与25-DoF本体的系统，改进3D Diffusion Policy算法。仅凭单场景数据与板载算力，经2000+次真机验证，实现全尺寸人形机器人在多类真实场景下的自主泛化操作。

# 3D扩散策略赋能全尺寸人形机器人单场景数据跨场景泛化操作

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Generalizable Humanoid Manipulation with 3D Diffusion Policies](https://arxiv.org/abs/2410.10803)（arXiv 2410.10803）

## 核心内容

针对人形机器人自主操作受限于特定场景及野外数据获取昂贵难题，研究团队构建了包含上身遥操作数据采集、25自由度人形机器人平台及改进型3D Diffusion Policy算法的完整系统。通过在真实机器人上执行超过2000次策略推演进行严格评估，证实仅使用单一场景采集的数据并依赖板载计算，全尺寸人形机器人即可在多样化现实环境中自主执行操作技能，突破了跨场景泛化瓶颈。

该系统硬件集成25-DoF人形本体、高度可调推车及3D LiDAR传感器，配合全身上身遥操作装置高效获取类人演示数据。算法层面采用改进的3D Diffusion Policy以适配人形机器人并从噪声人类数据中学习。工程验证表明，该方案无需多场景大规模数据集，仅靠单场景数据微调结合端侧推理，即可解决Sim-to-Real及跨域泛化难题，为具身智能低成本落地提供实证路径。

## 关键看点

- **数据效率突破**：仅利用单一场景采集的遥操作数据，即可训练出支持多场景泛化的操作策略，显著降低对大规模野外数据的依赖
- **算法鲁棒性**：采用改进版3D Diffusion Policy，有效从含噪声的人类遥操作演示数据中提取特征，适配人形机器人高维动作空间
- **端侧部署验证**：全尺寸人形机器人完全依赖板载算力运行推理，无需云端卸载，满足真实环境自主操作的实时性与独立性要求
- **大规模真机评测**：在真实物理环境中完成超2000次策略推演（Rollouts），量化验证了系统在非结构化场景下的泛化成功率

## 工程与产业观察

该工作证明了3D Diffusion Policy在解决人形机器人跨域泛化问题上的有效性，核心贡献在于验证了“单场景数据+端侧推理”的技术闭环。对于具身智能研发而言，这降低了通用操作技能的边际数据成本，提示行业应重视高质量遥操作数据管线与3D表征学习的结合，而非单纯追求数据规模，为全尺寸人形机器人从实验室走向开放环境提供了可复现的工程范式。

## 英文摘要 (Abstract)

Humanoid robots capable of autonomous operation in diverse environments have long been a goal for roboticists. However, autonomous manipulation by humanoid robots has largely been restricted to one specific scene, primarily due to the difficulty of acquiring generalizable skills and the expensiveness of in-the-wild humanoid robot data. In this work, we build a real-world robotic system to address this challenging problem. Our system is mainly an integration of 1) a whole-upper-body robotic teleoperation system to acquire human-like robot data, 2) a 25-DoF humanoid robot platform with a height-adjustable cart and a 3D LiDAR sensor, and 3) an improved 3D Diffusion Policy learning algorithm for humanoid robots to learn from noisy human data. We run more than 2000 episodes of policy rollouts on the real robot for rigorous policy evaluation. Empowered by this system, we show that using only data collected in one single scene and with only onboard computing, a full-sized humanoid robot can autonomously perform skills in diverse real-world scenarios. Videos are available at https://humanoid-manipulation.github.io .

作者：Yanjie Ze, Zixuan Chen, Wenhao Wang, Tianyi Chen, Xialin He, Ying Yuan, Xue Bin Peng, Jiajun Wu
:::

## 原始参考来源 (Sources)

- [arXiv 2410.10803：Generalizable Humanoid Manipulation with 3D Diffusion Policies](https://arxiv.org/abs/2410.10803)