Open Source Robotics

Una raccolta curata di progetti, strumenti e software di robotica open source di alta qualità per la comunità della robotica.

RLBench

Benchmark con oltre 100 compiti per la ricerca sulla manipolazione guidata dalla visione

Licenza

MIT

Panoramica

Un benchmark e ambiente di apprendimento su larga scala per la ricerca sulla manipolazione guidata dalla visione. Offre oltre 100 compiti unici con dimostrazioni e supporta apprendimento per rinforzo, apprendimento per imitazione, apprendimento multi-task e few-shot learning. È costruito su CoppeliaSim e PyRep con modalità di osservazione configurabili, tra cui RGB, profondità, maschere di segmentazione e nuvole di punti.

RLBench è una piattaforma di benchmark su larga scala per la ricerca sulla manipolazione robotica guidata dalla visione, che fornisce oltre 100 compiti unici completi di dimostrazioni esperte a supporto di diversi paradigmi di apprendimento. Costruito sul simulatore CoppeliaSim con integrazione PyRep, il benchmark offre ricche osservazioni sensoriali, tra cui immagini RGB, mappe di profondità, maschere di segmentazione semantica e nuvole di punti. RLBench supporta diversi approcci di apprendimento, tra cui apprendimento per rinforzo, apprendimento per imitazione, apprendimento multi-task e few-shot learning, il che lo rende un banco di prova versatile per valutare come i robot possano acquisire abilità di manipolazione da diversi tipi di segnali di addestramento. I compiti coprono un'ampia gamma di primitive di manipolazione e livelli di complessità, dalle semplici operazioni di pick-and-place a intricate sequenze di assemblaggio in più passaggi, offrendo una copertura completa dello spazio delle abilità di manipolazione.

Perché è importante

RLBench è il più grande benchmark di manipolazione guidata dalla visione disponibile, con oltre 100 compiti che mettono alla prova di tutto, dal semplice raggiungimento all'assemblaggio in più passaggi. È diventato la suite di valutazione standard per la ricerca sull'apprendimento per imitazione e sulla manipolazione basata sulla visione.

Il problema che risolve

Valutare gli algoritmi di manipolazione richiede compiti diversificati e standardizzati con protocolli di valutazione coerenti. RLBench fornisce oltre 100 compiti con generazione automatica delle dimostrazioni, eliminando la necessità di raccoglierle manualmente.

Punti chiave

  • Oltre 100 compiti di manipolazione unici con generazione di dimostrazioni
  • Supporta l'apprendimento basato sulla visione con più punti di vista delle telecamere
  • Compatibile con apprendimento per rinforzo, apprendimento per imitazione e apprendimento multi-task
  • Costruito su CoppeliaSim (V-REP) con fisica e rendering realistici
  • Generazione automatica di dimostrazioni per qualsiasi compito, senza bisogno di dati umani

A chi si rivolge

  • Ricercatori che valutano policy di manipolazione basate sulla visione
  • Team che confrontano algoritmi di apprendimento per imitazione
  • Sviluppatori che costruiscono controller multi-task per robot
  • Studenti che esplorano la manipolazione e la pianificazione dei compiti

Limiti

  • È costruito su CoppeliaSim, che può essere più lento di MuJoCo
  • La difficoltà dei compiti varia molto: alcuni sono banali, altri estremamente difficili
  • Le osservazioni visive possono essere rumorose a seconda della configurazione delle telecamere
  • Richiede l'installazione di CoppeliaSim, che ha una propria licenza

Questo sito richiede JavaScript. Attiva JavaScript per esplorare i nostri progetti di robotica open source.