ROBOVERSE：面向可扩展和可泛化机器人学习的统一平台、数据集和基准

文章预览

25年4月来自UC Berkeley、北大、USC、UMich、UIUC、Stanford、CMU、UCLA 和 北京通用 AI 研究院（BIGAI）的论文“ROBOVERSE: Towards a Unified Platform, Dataset and Benchmark for Scalable and Generalizable Robot Learning”。 数据扩展和标准化评估基准，推动了自然语言处理和计算机视觉领域的重大进步。然而，机器人技术在数据扩展和建立可靠的评估协议方面面临着独特的挑战。收集现实世界的机器人数据资源密集且效率低下，而在现实世界场景中进行基准测试仍然非常复杂。合成数据和仿真提供了有前景的替代方案，但现有的努力往往在数据质量、多样性和基准标准化方面存在不足。为了应对这些挑战，ROBOVERSE 是一个包含仿真平台、合成数据集和统一基准的综合框架。其仿真平台支持多个模拟器和机器人实例，可实现不同环境之间的无缝转换。合成数据集具有高保真物理和照片级 ………………………………