核心发现
方法论
Task-Edit通过将任务分解为场景、技能和对象三个核心组件，并分别编辑每个组件的属性来生成多样化的演示轨迹。该方法结合了Real2Sim2Real范式，通过在模拟环境中编辑任务并生成数据，然后在真实环境中进行修复以减少模拟到现实的差距。
关键结果
- Task-Edit在多种真实世界任务中显著提升了3D视觉运动策略的性能，平均提升约15%。
- 在不同场景设置中，Task-Edit提高了模型的泛化能力，特别是在未见过的对象组合中表现优异。
- Task-Edit使得模型能够处理在现实中难以收集的数据场景，如干扰抵抗和障碍物规避。
研究意义
Task-Edit通过生成多样化的任务演示，显著提高了3D视觉运动策略的泛化能力，解决了以往方法中由于固定行为模式而导致的泛化能力不足的问题。这一方法在学术界和工业界具有重要影响，尤其是在需要长时间操控任务的场景中。
技术贡献
Task-Edit与现有方法的根本区别在于其任务分解和编辑策略，能够生成多样化的场景-技能-对象组合。此外，该方法提供了新的理论保证和工程可能性，尤其是在模拟环境中进行任务编辑和数据生成。
新颖性
Task-Edit首次从任务中心的角度进行编辑，突破了以往方法仅限于对象中心变换的局限，能够灵活重组场景、技能和对象组件，生成多样化的任务演示。
局限性
- 在某些复杂场景中，Task-Edit可能无法完全消除模拟到现实的差距，导致策略性能下降。
- 该方法在处理动态变化的场景时可能需要额外的计算资源。
未来方向
未来的研究方向包括进一步优化模拟到现实的转换过程，以及扩展Task-Edit以支持更多类型的机器人和任务场景。
AI 总览摘要
3D视觉运动策略在复杂机器人操控任务中显示出显著潜力，但其成功往往依赖于大规模的真实世界演示，这既昂贵又耗时。现有方法通常通过对象中心的变换来提高数据效率，但这种方法在合成多样化的场景-技能-对象组合方面存在局限性。
Task-Edit是一种新颖的演示生成框架，通过从任务中心的角度生成多样化的轨迹。其关键在于将任务分解为场景、技能和对象组件，并灵活重组它们，从而实现可扩展的演示生成，并显著提高长时间操控任务的泛化能力。
通过广泛的真实世界实验，Task-Edit展示了三大优势：有效性、泛化性和适用性。它显著提高了3D视觉运动策略在各种真实世界任务和机器人体现中的性能，特别是在难以收集的场景中，如干扰抵抗、障碍物规避和未见过的复杂场景中。
深度解读
原文摘要
3D visuomotor policies offer a promising direction for complex robotic manipulation, as depth maps and point clouds provide rich geometric information for spatial reasoning. However, their success often depends on large-scale real-world demonstrations, which are costly and time-consuming to collect. To this end, existing methods commonly use demonstration generation strategies to improve data efficiency by applying object-centric transformations to human-collected demonstrations, such as varying object poses or scales. While effective for local variation, these transformations largely preserve the original scene structure and skill sequence, limiting their ability to synthesize diverse scene-skill-object combinations for complex tasks. In this paper, we propose Task-Edit, a novel demonstration generation framework that generates diverse trajectories from a task-centric editing perspective. The key insight of Task-Edit is to decompose a task into scene, skill and object components, and flexibly recombine them. In this way, Task-Edit enables scalable demonstration generation and significantly improves generalization for long-horizon manipulation tasks. We evaluate Task-Edit through extensive real-world experiments and demonstrate three advantages: (1) Effectiveness: Task-Edit significantly improves 3D visuomotor policies across various real-world tasks and robot embodiments. (2) Generalizability: Task-Edit improves model generalization across different scenario setups. (3) Applicability: Task-Edit enables models to handle scenarios that are difficult to collect in the real world, including disturbance resistance, obstacle avoidance and unseen cluttered scenes.