PerAct2：面向机器人双手臂操作的基准测试与学习
机器人学
2024-08-01 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
双手臂操作因需在两个手臂之间实现精确的空间与时间协调而具有挑战性。虽然已有多个实际双手臂系统，但缺乏具备广泛任务多样性的仿真基准，难以系统性地研究双手臂能力在广泛的桌面任务范围内的表现。本文通过扩展RLBench至双手臂操作，填补了这一空白。我们开源代码和基准，包含13个新任务及23个独特任务变体，每个任务都要求高度协调和适应性。为启动基准，我们将多个最先进的方法扩展至双手臂操作，并提出一种语言条件化行为克隆智能体——PerAct2，使其能够学习和执行双手臂6自由度操作任务。我们 novel 的网络架构高效地整合了语言处理与动作预测，使机器人能够理解并以用户指定的目标为导向，执行复杂的双手臂操作。项目网站及代码地址为：http://bimanual.github.io
引用
@article{arxiv.2407.00278,
title = {PerAct2: Benchmarking and Learning for Robotic Bimanual Manipulation Tasks},
author = {Markus Grotz and Mohit Shridhar and Tamim Asfour and Dieter Fox},
journal= {arXiv preprint arXiv:2407.00278},
year = {2024}
}