robocasa/robocasa

解決的問題

RoboCasa 提供了一個大規模模擬環境，旨在訓練與基準測試通用機器人。它解決了為機器人執行日常家務任務（特別是在廚房環境中）創建多樣化、高品質訓練數據與現實場景的挑戰。

工作原理

該框架利用模擬後端 (RoboSuite) 創建海量的場景。它包含超過 2,500 個廚房場景與 3,200 個 3D 物體。為了促進學習，它提供了 365 個 LLM 引導的任務與廣泛的演示數據，包括超過 600 小時的人類演示與 1,600 小時的自動化機器人軌跡。它還透過逐幀子任務註釋（原子技能、階段與自然語言指令的標籤）支援階層式策略學習。

適用對象

此工具面向訓練具身智能 AI 策略的機器人研究人員與開發人員，特別是那些專注於通用機器人操作與家務任務執行的專業人士。

亮點

• 大規模: 提供超過 2,500 個廚房場景與 3,200 個 3D 物體，用於多樣化訓練。
• 廣泛的數據集: 總計超過 2,200 小時的演示數據。
• LLM 引導的任務: 在大型語言模型的幫助下設計的 365 個不同任務。
• 基準測試支援: 整合了對 Diffusion Policy、pi 與 GR00T 等流行策略學習方法的支援。