目录
  1. 论文笔记
  2. 1 目标问题
  3. 2 主要方法
  4. 算法复现
  5. 1 环境搭建
  6. 2 数据准备（从虚拟机器人动作数据中学习机器人动作）
  7. 3 数据准备（从人类演示中学习机器人动作）
  8. 4 训练

论文笔记

KeyValue
标题MimicPlay Long-horizon imitation learning by watching human play
期刊名称Conference on Robot Learning (CoRL)
作者团队Stanford University
时间2023
DOI10.48550/arXiv.2302.12422
Codehttps://github.com/j96w/MimicPlay

1 目标问题

从人类演示中学习，是教授机器人操作技能的一种很有前途的方法。

目前大多数模仿学习算法仍然局限于学习短期的操作，例如开门或抓取特定物品。

而关于长期任务的研究，目前有两个方向：分层模仿学习和从演示数据中学习。分层学习旨在通过端到端实现高级规划到低级运动控制的学习。从演示数据中学习是指人类通过遥控机器人于环境互动来收集数据。

本文提出了一个分层学习框架，从大量人类演示数据中学习潜在的计划，来指导机器人在少量演示中实现视觉运动控制。

2 主要方法

主要方法

2.1 收集人类数据

人类在用手与环境互动的过程中，创造了一个手的轨迹。本文使用两台经过校准的相机来跟踪人类演示数据中的3D手轨迹，手部位置检测使用现有的库。

2.2 从人类数据中学习3D潜在规划

问题：给定一个由目标图像表示的长期任务，策略产生以目标为条件的行动。

将该问题转化为分层学习策略，其中高级规划器从目标图像中提取关键特征，并转化成低维的规划，利用这些规划引导运动控制器动作。为了训练高级规划器，本文使用廉价的数据源（人类演示数据）

（1）多模式潜在计划学习

利用收集的人类演示数据和对应的3D手部轨迹，将学习规程转化为目标条件的3D轨迹生成任务。即将人类演示图像，目标图像处理为低维特征，利用MLP编码为潜在计划向量，利用潜在计划向量和手的位置，利用MLP解码为3D手部轨迹的预测。

为了解决不同人演示同一任务的差异，使用基于MLP的高斯混合模型来对潜在计划的轨迹分布进行建模。

（2）处理人类演示数据和机器人之间的视觉差异

本文考虑人与机器人在同一环境中，需要解决机器人与人类外观不同导致的视觉差异。通过计算人类和机器人的视觉编码器的特征嵌入的分布，最小化两者距离（此步骤机器人与人类视频不需要是对应的）

2.3 多任务模仿学习

（1）用于潜在计划生成的视频提示

使用单镜头视频作为目标指定提示，发送给训练好的潜在规划器，生成机器人可执行的潜在计划。

规划器将视频分成多个帧，每个时间步长，规划器从序列中取一个图像帧作为目标图像，生成潜在规划引导机器人动作。

（2）基于Transformer的计划引导与模仿

在执行复杂任务时，仅使用高层规划是不够的，还需要考虑底层的细节。因此考虑将机器人腕部相机和本体感觉都转换成低维特征向量，与潜在计划进行结合，利用Trasformer架构（因为其擅长管理长期运动生成）进行处理。

（3）多任务

在同一环境中的所有任务中共享相同的规划器和策略模型。

算法复现

1 环境搭建

（1）进入所下载代码环境

cd MimicPlay

（2）创建 conda 环境

conda create -n mimicplay python=3.8 -y
conda activate mimicplay

（3）安装 MuJoCo

pip install mujoco==2.3.0

如果出现问题：imgaug 0.4.0 requires XXXXXX, which is not installed. 解决方法如下：

  1. 安装报错提示的imgaug所需的依赖项：pip install imageio matplotlib Pillow scikit-image six opencv-python
  2. 重新安装mujoco：pip install mujoco

（4）安装robosuite

git clone https://github.com/ARISE-Initiative/robosuite.git
cd robosuite
git checkout v1.4.1_libero
pip install -r requirements.txt
pip install -r requirements-extra.txt
pip install -e .

第一次安装失败，然后git checkout v1.4.1_libero之后才安装成功

（5）安装BDDL

cd ..
git clone https://github.com/StanfordVL/bddl.git
cd bddl
pip install -e .

（6）安装LIBERO

cd ..
git clone https://github.com/Lifelong-Robot-Learning/LIBERO.git
cd LIBERO
pip install -r requirements.txt
pip install -e .

（7）安装robomimic

cd ..
git clone https://github.com/ARISE-Initiative/robomimic
cd robomimic
git checkout mimicplay-libero
pip install -e .

第一次安装失败，然后git checkout mimicplay-libero之后才安装成功

（8）安装MimicPlay

cd ..
git clone https://github.com/j96w/MimicPlay.git
cd MimicPlay
pip install -e .

2 数据准备（从虚拟机器人动作数据中学习机器人动作）

2.1 官方数据集

训练集和测试视频在此处下载。训练集是一系列没有指定特定任务（没有标签）的人类演示视频。

作者推荐下载原始数据demo.hdf5，然后在本地电脑上将其处理为具有图像观察的训练数据集demo_image.hdf5，因为这样可以很好的检查环境库是否安装正确，具体步骤如下：

（1）将下载的数据集移动到mimicplay/datasets

例如：

cd MimicPlay/mimicplay
mkdir -p datasets/playdata
mv ~/Downloads/demo.hdf5 ./datasets/playdata/

（2）将原始数据转换为图像数据集

# 示例
cd MimicPlay/mimicplay
python scripts/preprocess_hdf5.py -i ./datasets/playdata/demo.hdf5 -o ./datasets/playdata/demo_modified.hdf5
python scripts/dataset_states_to_obs.py --dataset 'datasets/playdata/demo_modified.hdf5' --done_mode 0 --camera_names agentview robot0_eye_in_hand --camera_height 84 --camera_width 84 --output_name image_demo_local.hdf5 --exclude-next-obs

如果出现问题：ileNotFoundError: [Errno 2] No such file or directory: 'patchelf' 解决方法如下：sudo apt-get install patchelf

（3）提取末端轨迹用于上层规划器的训练

python scripts/dataset_extract_traj_plans.py --dataset 'datasets/playdata/image_demo_local.hdf5'

（4）检查数据：重新播放数据集中的图像，保存成视频

python scripts/playback_robomimic_dataset.py --dataset 'datasets/playdata/image_demo_local.hdf5' --use-obs --render_image_names agentview_image --video_path image_demo_local_replay.mp4

2.2 自制数据集

（1）使用BDDL文件收集数据

python scripts/collect_playdata.py --bddl-file 'scripts/bddl_files/KITCHEN_SCENE9_playdata.bddl' --device 'keyboard'

收集的原始数据可以在robosuite/robosuite/models/assets/demonstrations/路径下找到。

（2）将原始数据转换成robomimic格式

python scripts/convert_playdata_to_robomimic_dataset.py --dataset 'path_to_your_data'

（3）现在有了robomimic格式的数据，按照#1.3 公共数据集中的步骤生成特定任务的视频提示

3 数据准备（从人类演示中学习机器人动作）

3.1 配置人手检测模型

（1）配置开源的 hand_object_detector

conda create --name handobj python=3.6
conda activate handobj
conda install pytorch=1.0.1 torchvision cudatoolkit=10.0 -c pytorch
cd mimicplay/scripts/human_playdata_process
git clone https://github.com/ddshan/hand_object_detector && cd hand_object_detector
pip install -r requirements.txt
cd lib
python setup.py build develop

（2）下载fast_rcnn模型，并放置在指定位置

从Google Drive中下载faster_rcnn_1_8_132028.pth (361M)，移动到下面的路径

cd hand_object_detector
mkdir -p models/res101_handobj_100K/pascal_voc
mv faster_rcnn_1_8_132028.pth models/res101_handobj_100K/pascal_voc/.

（3）将mimicplay的python脚本放入人手检测器的目录下

cd mimicplay/scripts/human_playdata_process/
cp demo_mp4.py hand_object_detector/

3.2 从人类演示生成数据集

（1）复制两个示例视频

cp vis_1.mp4 hand_object_detector/
cp vis_2.mp4 hand_object_detector/

（2）生成hdf5数据文件

cd hand_object_detector/
python demo_mp4.py

（3）可视化数据集

cd scripts/human_playdata_process/
python vis_processed_human_play_data.py

4 训练

4.1 训练高级规划器

cd MimicPlay/mimicplay
python scripts/train.py --config configs/highlevel.json --dataset 'datasets/playdata/image_demo_local.hdf5'

训练结束后，选择评估分数最高的checkpoint，将其路径作为

4.2 训练低级机器人控制器

参考：

  1. Mimicplay: Long-horizon imitation learning by watching human play. [Project](MimicPlay | Long-Horizon Imitation Learning by Watching Human Play (mimic-play.github.io)) Code, arXiv