FoldBack：用于长时程衣物折叠的自纠正掩码生成式策略
FoldBack: Self-Correcting Masked Generative Policy for Long-Horizon Garment Folding
精选理由
提出可检测、回退并修复失败抓取的折衣策略，让机器人无需重新训练也能提升长序列折叠成功率。
AI 摘要
我们提出 FoldBack，一种用于长时程衣物折叠的自纠正掩码生成式策略。现有的长轨迹策略在漏抓或抓取滑脱后，即使衣物尚未达到预期构型，也可能继续执行。我们围绕推理时的三项决策构建 FoldBack 的恢复机制：何时细化与验证、如何回退，以及在何处、以何种方式重试。FoldBack 将细化和抓取验证与拾取放置事件对齐，在保留成功抓取的同时，使机器人返回可重试的抓取前构型，并选择性地重新生成失败片段及选定的后续动作，同时避开先前失败的抓取位置。据我们所知，FoldBack 是首个统一这些决策的可编辑全轨迹策略，能够在继续执行前检测、撤销并修复失败的交互，且无需恢复示范或重新训练基础策略。在涵盖六个类别的 33 件真实衣物上，FoldBack 的最终折叠成功率达到 75.2%，最终掩码交并比（IoU）达到 0.837，而此前最强基线的对应指标分别为 45.7% 和 0.689。