FMB: a Functional Manipulation Benchmark for Generalizable Robotic Learning

要約

この論文では、機能的操作のコンテキストでロボット学習を研究するための現実世界のベンチマークを提案します。ロボットは、機能的に関連した方法で個々の操作スキルを構成することによって、複雑な長期的行動を達成する必要があります。
Functional Manipulation Benchmark (FMB) の中核となる設計原則は、複雑さとアクセシビリティの間の調和のとれたバランスを重視しています。
タスクの範囲は意図的に狭く設定されており、管理可能な規模のモデルとデータセットを効果的に利用して進捗状況を追跡できるようにしています。
同時に、それらは十分に多様であるため、一般化に大きな課題が生じます。
さらに、このベンチマークは、すべての重要なハードウェアおよびソフトウェア コンポーネントを網羅し、簡単に複製できるように設計されています。
この目標を達成するために、FMB は、他の研究者が簡単かつ正確に複製できるように設計されたさまざまな 3D プリント オブジェクトで構成されています。
オブジェクトは手続き的に生成され、制御された方法で一般化を研究するための原則に基づいたフレームワークを提供します。
私たちは、つかむこと、位置を変えること、さまざまな組み立て動作など、基本的な操作スキルに焦点を当てます。
FMB は、個々のスキルを取得する方法だけでなく、複雑な多段階の操作タスクを解決するためにそのようなスキルを組み合わせて順序付ける方法を評価するために使用できます。
また、提案されたタスクを解決するために訓練された一連のポリシーを含む模倣学習フレームワークも提供します。
これにより、研究者はパイプラインのさまざまな部分を調査するための多用途ツールキットとしてタスクを利用できるようになります。
たとえば、研究者は、把握コントローラーのより良い設計を提案し、多段階タスクを解決するためのパイプラインの一部として、ベースラインの再配向および組み立てポリシーと組み合わせて評価することができます。
データセット、オブジェクト CAD ファイル、コード、評価ビデオは、プロジェクト Web サイトでご覧いただけます: https://function-manipulation-benchmark.github.io

要約(オリジナル)

In this paper, we propose a real-world benchmark for studying robotic learning in the context of functional manipulation: a robot needs to accomplish complex long-horizon behaviors by composing individual manipulation skills in functionally relevant ways. The core design principles of our Functional Manipulation Benchmark (FMB) emphasize a harmonious balance between complexity and accessibility. Tasks are deliberately scoped to be narrow, ensuring that models and datasets of manageable scale can be utilized effectively to track progress. Simultaneously, they are diverse enough to pose a significant generalization challenge. Furthermore, the benchmark is designed to be easily replicable, encompassing all essential hardware and software components. To achieve this goal, FMB consists of a variety of 3D-printed objects designed for easy and accurate replication by other researchers. The objects are procedurally generated, providing a principled framework to study generalization in a controlled fashion. We focus on fundamental manipulation skills, including grasping, repositioning, and a range of assembly behaviors. The FMB can be used to evaluate methods for acquiring individual skills, as well as methods for combining and ordering such skills to solve complex, multi-stage manipulation tasks. We also offer an imitation learning framework that includes a suite of policies trained to solve the proposed tasks. This enables researchers to utilize our tasks as a versatile toolkit for examining various parts of the pipeline. For example, researchers could propose a better design for a grasping controller and evaluate it in combination with our baseline reorientation and assembly policies as part of a pipeline for solving multi-stage tasks. Our dataset, object CAD files, code, and evaluation videos can be found on our project website: https://functional-manipulation-benchmark.github.io

arxiv情報

提供元, 利用サービス

arxiv.jp, Google