DexMimicGen ist ein automatisiertes Datengenerierungssystem, das 2024 gemeinsam von NVIDIA Research, UT Austin und UC San Diego vorgeschlagen wurde und aus einer kleinen Anzahl menschlicher Demonstrationen große Mengen an Robotertrainingsdaten generieren kann. Die relevanten Papierergebnisse sindDexMimicGen: Automatisierte Datengenerierung für bimanuelle, geschickte Manipulation durch Imitationslernen".

Die Kernfunktion von DexMimicGen besteht darin, aus einer kleinen Menge künstlich präsentierter Daten durch Transformations- und Imitationstechniken eine große Anzahl ähnlicher Demonstrationen zu generieren. Diese Technologie hat eine herausragende Wirksamkeit bewiesen, mit einer Missionserfolgsrate von bis zu 97% in einer Simulationsumgebung. Das System kann mit nur 5 menschlichen Demonstrationen bis zu 1.000 Robotertrainingsdemonstrationen generieren, wodurch das Problem der Datenknappheit beim Robotertraining gelöst und das große Potenzial des generativen Lernens beim Robotertraining demonstriert wird.

Die Forscher führten 60 Demonstrationsexperimente in 9 Szenarien durch und generierten insgesamt 21.000 Datendemonstrationen. Mit von DexMimicGen generierten Daten trainierte Roboter erzielten bei Aufgaben wie dem Aufräumen von Schubladen und dem Zusammensetzen von Bausteinen Erfolgsraten von 76% bzw. 80,7%, während diese Erfolgsraten bei der Schulung mit herkömmlichen menschlichen Daten nur 0,7% bzw. 3,3% betrugen.