R900：了解从 900 小时机器人数据收集中进行的随机探索的成本效益
机器人学
2025-09-19 v2
摘要
数据稀缺是机器人操作中仿照学习的一个关键瓶颈。本文聚焦于通过对工作空间中随机采样位置的运动自动产生的随机探索数据-动作和视频序列，探讨其作为低成本数据源的潜力。我们的研究遵循两种范式：(a) 随机动作，我们评估其自主引导数据收集策略的可行性；(b) 随机探索视频帧，我们评估其在自监督学习目标下预训练稠密参数网络的有效性。为最小化人工监督，我们首先开发了一个完全自动的管道，处理情节标记、终止和重置，使用基于云的微服务进行实时监控。建立在此基础上，我们在一个非平凡的两层堆叠任务中进行了大规模研究，分析随机探索在实际中的成本效益，从 807 小时随机动作、71 小时随机探索视频（128 万帧）以及 1260 次策略评估中获得统计结果。该数据集将公开释放，访问配备自动化管道的机器人环境也计划通过云服务向未来研究开放。
引用
@article{arxiv.2503.23571,
title = {R900: Understanding the Cost-Effectiveness of Random Exploration from 900 Hours of Robotic Data Collection},
author = {Shutong Jin and Axel Kaliff and Ruiyu Wang and Muhammad Zahid and Florian T. Pokorny},
journal= {arXiv preprint arXiv:2503.23571},
year = {2025}
}