3D 幾何信息對于機器人操縱任務至關重要。

原標題：3D具身基礎模型！北大提出Lift3D賦予2D大模型魯棒的3D操縱能力
文章來源：機器之心
內容字數：12969字

1. 引言

Lift3D 是一項旨在提升 2D 大規模預訓練模型在 3D 機器人操縱任務中的表現的研究。該項目由北京大學和北京智源研究院的團隊共同開發，致力于解決當前機器人操縱中面臨的空間幾何信息提取不足和數據稀缺的問題。

2. Lift3D 方法概述

Lift3D 通過兩種方式增強了 2D 模型的 3D 空間感知能力：隱式 3D 表示和顯式 3D 表示。隱式表示通過設計任務感知的掩碼自編碼器，利用深度幾何信息重建來提升 2D 模型的表達能力；顯式表示則通過建立 3D 點云數據與 2D 位置編碼的映射關系，直接編碼點云進行模仿學習。

3. 實驗設計與評估

研究團隊在多個仿真環境和真實場景中進行了廣泛的實驗，包括 MetaWorld、Adroit 和 RLBench 等多個操縱任務。Lift3D 在這些任務中表現出色，尤其是在靈巧手操作中，證明了其優越的魯棒性和泛化能力。

4. 實驗結果

在 MetaWorld 的基準測試中，Lift3D 達到了 83.9 的平均成功率，顯著提高了相較于現有 2D 和 3D 方法的表現。在真實世界實驗中，Lift3D 僅需 30 個示例便可學習新技能，顯示出其卓越的學習效率。

5. 泛化能力與可擴展性

Lift3D 展現出強大的泛化能力，能夠適應不同的操作物體、背景場景和光照條件。通過增加模型參數，Lift3D 的表現進一步提升，驗證了其良好的可擴展性。

6. 結論

本研究提出的 Lift3D 方法有效地增強了 2D 模型在 3D 機器人操縱中的應用潛力，展現了顯著的操作能力和廣泛的適用性，為未來的研究提供了新的思路和方向。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺