ARISE-Initiative/robomimic

해결하는 문제

로봇 학습은 일반적으로 표준화된 데이터셋과 재현 가능한 벤치마크의 부족으로 인해 새로운 로봇 조작 알고리즘을 개발하고 비교하기 어렵습니다.

작동 방식

robomimic은 示범 학습을 위한 포괄적인 프레임워크를 제공합니다. 시뮬레이션 및 실제 세계 데이터를 포함한 표준화된 시범 데이터셋과 오프라인 학습 알고리즘 세트를 결합합니다. 시스템은 저차원 데이터와 비전-운동 정책을 포함한 다양한 관측 모달리티를 지원하며, 유연한 네트워크 아키텍처와 하이퍼파라미터 튜닝을 가능하게 합니다.

대상 사용자

로봇 공학 및 AI 분야의 연구자 및 실무자로, 로봇 조작 작업의 벤치마크를 설정하고 새로운 로봇 학습 알고리즘을 개발하고자 하는 분들입니다.

주요 특징

• 다양한 학습 알고리즘: 이미테이션 학습(BC, BC-RNN, HBC)과 오프라인 RL(BCQ, CQL, IRIS, TD3-BC)을 지원하며, Diffusion Policy와 IQL과 같은 최신 알고리즘도 포함합니다.
• 표준화된 데이터셋: 다양한 환경과 로봇에서의 시뮬레이션 및 실제 세계 작업을 포함합니다.
• 모듈식 설계: 모듈식 관측 인코더와 외부 데이터셋 지원 기능을 제공합니다.
• 개발자 도구: 데이터셋 시각화, 하이퍼파라미터 스위프트, Docker 지원을 통해 환경 설정을 쉽게 할 수 있는 도구가 포함되어 있습니다.