Real Robot Challenge 2022：从真实世界离线数据学习灵巧操作
机器人学
2023-11-27 v3 机器学习
摘要
在真实机器人上进行实验在时间和成本上要求很高。因此，强化学习（RL）界很大一部分使用模拟器来开发和基准测试算法。然而，在模拟中获得的见解不一定能转化到真实机器人上，特别是对于涉及与环境复杂交互的任务。因此，Real Robot Challenge 2022 通过允许参与者像在模拟中一样轻松地对真实机器人进行远程实验，充当了 RL 与机器人界之间的桥梁。近年来，离线强化学习已成熟为一种从预收集数据集中学习、减轻对昂贵在线交互依赖的有前景范式。因此我们要求参与者从提供的真实机器人数据集中学习两个涉及推动、抓取和手中定向的灵巧操作任务。详尽的软件文档和基于真实装置模拟的初始阶段使竞赛尤为易参与。通过给予每个团队充足的访问预算，在七台相同真实 TriFinger 平台集群上评估其离线学习策略，我们为机器学习者和机器人专家组织了一场激动人心的竞赛。本工作中我们陈述了竞赛规则，展示了获胜团队使用的方法，并将其结果与挑战数据集上最先进离线 RL 算法的基准进行比较。
引用
@article{arxiv.2308.07741,
title = {Real Robot Challenge 2022: Learning Dexterous Manipulation from Offline Data in the Real World},
author = {Nico Gürtler and Felix Widmaier and Cansu Sancaktar and Sebastian Blaes and Pavel Kolev and Stefan Bauer and Manuel Wüthrich and Markus Wulfmeier and Martin Riedmiller and Arthur Allshire and Qiang Wang and Robert McCarthy and Hangyeol Kim and Jongchan Baek and Wookyong Kwon and Shanliang Qian and Yasunori Toshimitsu and Mike Yan Michelis and Amirhossein Kazemipour and Arman Raayatsanati and Hehui Zheng and Barnabas Gavin Cangan and Bernhard Schölkopf and Georg Martius},
journal= {arXiv preprint arXiv:2308.07741},
year = {2023}
}
备注
Typo in author list fixed