RoboTwin 2.0：面向稳健双臂机器人操作的可扩展数据生成器与基准测试，具强域随机化
摘要
基于仿真的数据合成已成为推进实际机器人操作的强大范式。然而，现有数据集因（1）可扩展任务生成方法的缺失和（2）仿真环境的过于简化，仍不足以支撑稳健的双臂操作。我们提出 RoboTwin 2.0，一个用于自动化、大规模生成多样且真实数据，以及双臂操作统一评估协议的可扩展框架。其核心为 RoboTwin-OD，一个包含 731 个实例、147 个类别的物体库，带有语义和操作相关标注。基于此，我们设计了 expert 数据合成管线，利用多模态语言模型（MLLM）和仿真内循环精炼，自动生成任务级执行代码。为提高仿真到现实的迁移，RoboTwin 2.0 沿五个轴施加结构化域随机化：杂乱度、光照、背景、桌面高度和语言，从而增强数据多样性和策略鲁棒性。该框架在 50 个双臂任务和 5 个机器人本体上实现。经实验验证，它在代码生成成功率上提升 10.9%。对于下游策略学习，仅用 10 条真实演示即可训练的 VLA 模型相较于 10 条演示基线提升了 367%，而仅用合成数据训练的 zero-shot 模型获得 228% 的提升。这些结果凸显了 RoboTwin 2.0 在强化仿真到现实迁移和环境变化鲁棒性方面的有效性。我们发布数据生成器、基准测试、数据集和代码，以支持稳健双臂操作可扩展研究。项目页面：https://robotwin-platform.github.io/，代码：https://github.com/robotwin-Platform/robotwin/
引用
@article{arxiv.2506.18088,
title = {RoboTwin 2.0: A Scalable Data Generator and Benchmark with Strong Domain Randomization for Robust Bimanual Robotic Manipulation},
author = {Tianxing Chen and Zanxin Chen and Baijun Chen and Zijian Cai and Yibin Liu and Zixuan Li and Qiwei Liang and Xianliang Lin and Yiheng Ge and Zhenyu Gu and Weiliang Deng and Yubin Guo and Tian Nian and Xuanbing Xie and Qiangyu Chen and Kailun Su and Tianling Xu and Guodong Liu and Mengkang Hu and Huan-ang Gao and Kaixuan Wang and Zhixuan Liang and Yusen Qin and Xiaokang Yang and Ping Luo and Yao Mu},
journal= {arXiv preprint arXiv:2506.18088},
year = {2025}
}
备注
Project Page: https://robotwin-platform.github.io/, Code: https://github.com/robotwin-Platform/robotwin, Doc: https://robotwin-platform.github.io/doc/