DROID：大规模野外机器人操作数据集

文章预览

24年3月来自斯坦福和伯克利分校的论文“DROID: A Large-Scale In-The-Wild Robot Manipulation Dataset”。 创建大型、多样化、高质量的机器人操作数据集，是迈向更强大、更强大的机器人操作策略的重要基石。然而，创建这样的数据集具有挑战性：在不同环境中收集机器人操作数据会带来后勤和安全挑战，并且需要在硬件和人力方面进行大量投资。因此，即使是当今最通用的机器人操作策略，也大多是在少数场景和任务多样性有限的环境中收集的数据上进行训练的。这项工作引入 DROID（分布式机器人交互数据集） ，一个多样化的机器人操作数据集，具有 76k 条演示轨迹或 350 小时的交互数据，由北美、亚洲和欧洲的 50 个数据收集者在 12 个月内收集了 564 个场景和 86 个任务。用 DROID 进行训练可以提高策略的性能和泛化能力。开源完整的数据集、策略学习代码以 ………………………………