ManiSkill-HAB：家庭重排任务中低级操作的基准
机器人学
2025-03-03 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
高质量的基准测试是具身 AI 研究的基础，在长程导航、操作和重排任务中取得了重大进展。然而，随着机器人前沿任务变得更加先进，它们需要更快的模拟速度、更复杂的测试环境和更大的演示数据集。为此，我们提出了 MS-HAB，一个用于低级操作和家庭物体重排的综合基准。首先，我们提供了家庭助手基准的 GPU 加速实现。我们支持真实的低级控制，并以极低的 GPU 内存占用实现了先前魔法抓取实现 3 倍以上的速度。其次，我们训练了广泛的强化学习和模仿学习基线，供未来的工作进行对比。最后，我们开发了一个基于规则的轨迹过滤系统，从我们的强化学习策略中采样符合机器人和安全预定标准的特定演示。将演示过滤与我们的快速环境相结合，实现了大规模的高效、受控数据生成。
引用
@article{arxiv.2412.13211,
title = {ManiSkill-HAB: A Benchmark for Low-Level Manipulation in Home Rearrangement Tasks},
author = {Arth Shukla and Stone Tao and Hao Su},
journal= {arXiv preprint arXiv:2412.13211},
year = {2025}
}