Open X-Embodiment (OXE)
最大のオープンロボティクスデータセット：22形態から100万+エピソード
ライセンス
CC-BY-4.0
概要
世界最大のオープンソースロボティクスデータセット。22種類のロボット形態から100万以上のロボットエピソードを含み、世界中の34の研究機関で収集。汎用ロボットポリシーの訓練用に527のスキルを網羅する60のデータセットを含む。
Open X-Embodiment は一般公開されている最大規模のロボティクスデータセットで、世界 34 の研究機関において 22 種類の異なるロボットエンボディメントで収集された 100 万件を超える実ロボットのマニピュレーションエピソードを集約しています。このデータセットは 527 種類のマニピュレーションスキルにわたる 60 の個別データセットを含み、ロボットの形態、タスク、動作条件においてかつてない多様性を提供します。この膨大なコレクションにより、複数のロボットタイプのデータで学習したポリシーが新しいプラットフォームやタスクに汎化できるクロスエンボディメント学習の研究が可能になります。標準化されたデータ形式はロボティクス向け基盤モデルの大規模事前学習を容易にし、汎用マニピュレーションシステムの研究を支えます。数十の研究室の貢献を一つの統合リソースにまとめることで、Open X-Embodiment はこれまでロボティクスにおける機械学習研究を制約してきたデータ不足の課題に取り組んでいます。
重要な理由
Open X-Embodimentは、ロボットデータ収集における最大規模の共同プロジェクトであり、34の研究機関が協力して汎用ロボットポリシーの学習を可能にするデータセットを構築しました。クロスエンボディメント学習が、単一データセットで学習したポリシーよりも性能を向上させうることを実証しました。
解決する課題
個々のロボット研究室は特定のロボットで小規模なデータセットを収集しているため、汎用ポリシーを学習することができません。OXE は多様なマニピュレーションデータをかつてない規模で集約し、クロスエンボディメント学習が異なるロボット形態間で知識を転移できることを実証しています。
主なポイント
- 22 種類の異なるロボットエンボディメントから得た 100 万件超の実ロボットエピソード
- 世界 34 の研究機関で収集され、527 のスキルを網羅
- OXE で学習した RT-X モデルは単一データセットの専用モデルを上回る性能
- 標準化されたデータ形式（RLDS）により新しいデータセットを容易に統合可能
- Google DeepMind の汎用ポリシー RT-2-X の基盤
対象
- 基盤モデルを学習するロボティクス研究者
- 汎用マニピュレーションポリシーを構築する研究室
- VLA（Vision-Language-Action）モデルを開発するチーム
- 単一タスクのデモを超えてロボット学習を拡大する企業
制限事項
- 卓上マニピュレーションタスクに大きく偏っている
- データ品質とラベル付けの一貫性は提供研究室ごとにばらつきがある
- データセット全体で学習するには膨大な計算資源が必要
- 実世界への転移には依然としてロボットごとのドメイン適応が必要