RoboCade：机器人数据收集的游戏化设计

从人类演示中进行模仿学习已成为训练自主机器人策略的主流方法。然而，收集演示数据集成本较高：需要访问机器人，并且需要进行乏味、漫长的过程。这会限制可用于训练策略的数据规模。我们通过让更广泛的受众参与既可访问又富有动力的游戏化数据收集体验来解决这一可扩展性挑战。具体而言，我们开发了一个面向一般用户的游戏化远程遥控平台——RoboCade——以收集有助于下游策略训练的数据。为此，我们将游戏化策略嵌入系统界面和数据收集任务的设计中。在系统界面中，我们包括视觉反馈、声音效果、目标可视化、进度条、积分榜和徽章等组件。我们还提出了构建游戏化任务的原则，这些任务的结构与有用的下游目标任务重叠。我们在三个操控任务上实现了RoboCade，包括空间排列、扫描和插入。为说明游戏化机器人数据收集的可行性，我们通过平台收集了演示数据集，并表明使用该数据共同训练机器人策略可提高非游戏化目标任务的成功率（提升16-56%）。此外，我们进行了用户研究，验证了新手用户发现游戏化平台显著比标准非游戏化平台更有趣（提升24%）。这些结果凸显了游戏化数据收集作为一种可扩展、可访问且富有吸引力的方法，以收集演示数据的潜力。