DaXBench：基于可微物理的可变形物体操作基准
机器人学
2023-03-13 v2
摘要
可变形物体操作（DOM）对日常和工业应用都具有重要意义。可微物理模拟器近期的成功使学习算法能够通过环境动力学以解析梯度训练策略，极大促进了DOM算法的发展。然而，现有的DOM基准要么基于单一物体，要么不可微。这留下了两个问题：1）特定任务的算法在其他任务上的表现如何；2）基于可微物理的算法与不可微算法在总体上相比如何。本工作中，我们提出DaXBench，一个具有广泛物体与任务覆盖面的可微DOM基准。DaXBench包含9个具有挑战性的高保真模拟任务，涵盖绳、布和液体操作，难度各异。为更好地理解通用算法在不同DOM任务上的表现，我们对从规划到模仿学习和强化学习的代表性DOM方法进行了全面实验。此外，我们基于可微物理对现有决策算法进行了细致的实证研究，并讨论了其局限性及潜在未来方向。
引用
@article{arxiv.2210.13066,
title = {DaXBench: Benchmarking Deformable Object Manipulation with Differentiable Physics},
author = {Siwei Chen and Yiqing Xu and Cunjun Yu and Linfeng Li and Xiao Ma and Zhongwen Xu and David Hsu},
journal= {arXiv preprint arXiv:2210.13066},
year = {2023}
}
备注
ICLR 2023 (Oral)