FurnitureBench：面向长时序复杂操作的真实世界可复现基准
机器人学
2023-05-23 v1 人工智能
机器学习
摘要
强化学习（RL）、模仿学习（IL）和任务与运动规划（TAMP）已在各类机器人操作任务中展现出令人印象深刻的性能。然而，这些方法在当前的真实世界操作基准中仅限于学习简单行为，如推动或拾放。为实现自主机器人更复杂、长时序的行为，我们提议聚焦于真实世界家具组装——一项复杂、长时序的机器人操作任务，需要解决许多当前机器人操作挑战。我们提出FurnitureBench，一个可复现的真实世界家具组装基准，旨在提供低准入门槛且易于复现，以便全球研究者能可靠地测试其算法并与先前工作比较。为便于使用，我们提供200+小时预采集数据（5000+演示）、3D可打印家具模型、机器人环境搭建指南以及系统化的任务初始化。此外，我们提供FurnitureSim，一个快速且逼真的FurnitureBench模拟器。我们在组装任务上基准测试了离线RL与IL算法的性能，并表明亟需改进此类算法以在真实世界中解决我们的任务，为未来研究提供了充足机会。
引用
@article{arxiv.2305.12821,
title = {FurnitureBench: Reproducible Real-World Benchmark for Long-Horizon Complex Manipulation},
author = {Minho Heo and Youngwoon Lee and Doohyun Lee and Joseph J. Lim},
journal= {arXiv preprint arXiv:2305.12821},
year = {2023}
}
备注
Robotics: Science and Systems (RSS) 2023. Website: https://clvrai.com/furniture-bench