robocasa/robocasa

解决的问题

RoboCasa 提供了一个大规模仿真环境，旨在训练和基准测试通用机器人。它解决了为机器人执行日常家务任务（特别是在厨房环境中）创建多样化、高质量训练数据和现实场景的挑战。

工作原理

该框架利用仿真后端 (RoboSuite) 创建海量的场景。它包含超过 2,500 个厨房场景和 3,200 个 3D 物体。为了促进学习，它提供了 365 个 LLM 引导的任务和广泛的演示数据，包括超过 600 小时的人类演示和 1,600 小时的自动化机器人轨迹。它还通过逐帧子任务注释（原子技能、阶段和自然语言指令的标签）支持分层策略学习。

适用对象

该工具面向训练具身智能 AI 策略的机器人研究人员和开发人员，特别是那些专注于通用机器人操作和家务任务执行的人员。

亮点

• 大规模: 提供超过 2,500 个厨房场景和 3,200 个 3D 物体，用于多样化训练。
• 广泛的数据集: 总计超过 2,200 小时的演示数据。
• LLM 引导的任务: 在大语言模型的帮助下设计的 365 个不同任务。
• 基准测试支持: 集成了对 Diffusion Policy、pi 和 GR00T 等流行策略学习方法的支持。