robocasa/robocasa

解決する課題

RoboCasaは、汎用ロボットを訓練およびベンチマークするために設計された大規模なシミュレーション環境を提供します。これは、ロボットが日常的な家事タスク、特にキッチン環境内でのタスクを実行するために、多様で高品質なトレーニングデータと現実的なシナリオを作成するという課題に対処します。

仕組み

このフレームワークは、シミュレーションバックエンド（RoboSuite）を利用して、膨大な種類のシナリオを作成します。これには2,500以上のキッチンシーンと3,200の3Dオブジェクトが含まれています。学習を促進するために、365のLLM誘導タスクと、600時間以上の人間によるデモンストレーションおよび1,600時間の自動ロボット軌道を含む広範なデモンストレーションデータを提供します。また、フレームごとのサブタスクアノテーション（原子的なスキル、ステージ、自然言語指示のラベル）を通じて、階層的なポリシー学習をサポートします。

対象者

このツールは、エンボディド・インテリジェンス（身体的知能）のためのAIポリシーを訓練しているロボット工学の研究者や開発者、特に汎用的なロボット操作と家事タスクの実行に焦点を当てている方を対象としています。

ハイライト

• 大規模スケール: 多様なトレーニングのために、2,500以上のキッチンシーンと3,200の3Dオブジェクトを提供。
• 広範なデータセット: 合計2,200時間以上のデモンストレーションデータ。
• LLM誘導タスク: 大規模言語モデルの助けを借りて設計された365の異なるタスク。
• ベンチマークサポート: Diffusion Policy、pi、GR00Tなどの一般的なポリシー学習手法への統合サポート。