BEHAVIOR Robot Suite：简化日常家庭活动中的真实世界全身操作
机器人学
2025-08-26 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
现实世界的家庭任务对移动操作机器人提出了重大挑战。对现有机器人基准的分析表明，成功的任务表现取决于三个关键的全身控制能力：双臂协调、稳定精确的导航以及广泛的末端执行器可达性。实现这些能力需要精心设计的硬件，但由此产生的系统复杂性进一步使视觉运动策略学习复杂化。为了应对这些挑战，我们引入了BEHAVIOR Robot Suite（BRS），这是一个用于各种家庭任务中全身操作的综合框架。BRS建立在具有4自由度躯干的双臂轮式机器人上，集成了用于数据收集的经济型全身遥操作接口和一种用于学习全身视觉运动策略的新颖算法。我们在五个具有挑战性的家庭任务上评估了BRS，这些任务不仅强调了三项核心能力，还引入了额外的复杂性，例如长距离导航、与铰接和可变形对象的交互以及在狭窄空间中的操作。我们相信，BRS集成的机器人实体、数据收集接口和学习框架标志着向实现日常家庭任务的真实世界全身操作迈出了重要一步。BRS已在https://behavior-robot-suite.github.io/开源。
引用
@article{arxiv.2503.05652,
title = {BEHAVIOR Robot Suite: Streamlining Real-World Whole-Body Manipulation for Everyday Household Activities},
author = {Yunfan Jiang and Ruohan Zhang and Josiah Wong and Chen Wang and Yanjie Ze and Hang Yin and Cem Gokmen and Shuran Song and Jiajun Wu and Li Fei-Fei},
journal= {arXiv preprint arXiv:2503.05652},
year = {2025}
}
备注
9th Conference on Robot Learning (CoRL 2025), Seoul, Korea. Project website: https://behavior-robot-suite.github.io/