多重交互简化（MIME）：用于模仿学习的大规模演示数据集
机器人学
2018-10-17 v1 计算机视觉与模式识别
机器学习
摘要
近年来，我们看到了数据驱动方法在机器人领域的兴起。然而，大多数现有工作和数据集要么在仿真中，要么孤立地关注单一任务，如抓取、推动或戳刺。为了取得进展并覆盖操作任务的空间，我们需要收集包含倒水、开瓶、堆叠物体等多样化任务的大规模数据集。但如何收集这样的数据集呢？在本文中，我们提出了现有最大的机器人演示数据集（MIME），包含 20 个不同机器人任务上的 8260 个人机演示（https://sites.google.com/view/mimedataset）。这些任务从简单的推物到困难的堆叠家用物体不等。我们的数据集由人类演示视频和机器人演示的示教轨迹组成。我们还提出将该数据集用于将第三人称视频特征映射到机器人轨迹的任务。此外，我们提出了使用该数据集的两种不同方法，并将预测的机器人轨迹与真实轨迹进行了评估。我们希望我们的数据集能启发包括视觉模仿、轨迹预测和多任务机器人学习在内的多个领域的研究。
引用
@article{arxiv.1810.07121,
title = {Multiple Interactions Made Easy (MIME): Large Scale Demonstrations Data for Imitation},
author = {Pratyusha Sharma and Lekha Mohan and Lerrel Pinto and Abhinav Gupta},
journal= {arXiv preprint arXiv:1810.07121},
year = {2018}
}
备注
10 pages, CoRL 2018