Dex1B：用于灵巧操作的 1B 级演示学习
机器人学
2025-06-23 v1 计算机视觉与模式识别
摘要
为灵巧手部操作生成大规模演示仍然具有挑战性，近年来提出了几种方法来解决这一问题。其中，生成模型作为一种有前景的范式，能够高效创建多样且物理上合理的演示。在本文中，我们引入 Dex1B，这是一个由生成模型产生的大规模、多样且高质量演示数据集。数据集包含用于两项基本任务的十亿级演示：抓取和关节操作。为构建该数据集，我们提出了一种集成几何约束以提高可行性的生成模型，并施加额外条件以增强多样性。我们在已建立和新引入的仿真基准测试中对模型进行了验证，其中显著优于先前的 SOTA 方法。此外，我们通过实际机器人实验演示了其有效性和鲁棒性。我们的项目页面位于 https://jianglongye.com/dex1b
引用
@article{arxiv.2506.17198,
title = {Dex1B: Learning with 1B Demonstrations for Dexterous Manipulation},
author = {Jianglong Ye and Keyi Wang and Chengjing Yuan and Ruihan Yang and Yiquan Li and Jiyue Zhu and Yuzhe Qin and Xueyan Zou and Xiaolong Wang},
journal= {arXiv preprint arXiv:2506.17198},
year = {2025}
}
备注
Accepted to RSS 2025. Project page: https://jianglongye.com/dex1b