要約
現実世界の家庭用タスクは、モバイル操作ロボットに大きな課題をもたらします。
既存のロボットベンチマークの分析により、成功したタスクパフォーマンスが3つの重要な全身制御機能、つまりバイマニュアル調整、安定した正確なナビゲーション、および広範なエンドエフェクターの到達可能性にかかっていることが明らかになりました。
これらの機能を達成するには、慎重なハードウェア設計が必要ですが、結果として生じるシステムの複雑さにより、視覚運動のポリシー学習がさらに複雑になります。
これらの課題に対処するために、多様な家庭用タスクにおける全身操作のための包括的なフレームワークであるBehavior Robot Suite（BRS）を紹介します。
BRSは、4ドーフの胴体を備えた、両手の車輪付きロボットの上に構築されており、データ収集のための費用対効果の高い全身テレオ操作インターフェイスと、全身視覚運動ポリシーを学習するための新しいアルゴリズムを統合します。
3つのコア機能を強調するだけでなく、長距離ナビゲーション、明確化および変形可能なオブジェクトとの相互作用、限定空間での操作などの追加の複雑さを導入する5つの挑戦的な家庭用タスクでBRSを評価します。
BRSの統合されたロボットの具体化、データ収集インターフェイス、および学習フレームワークは、日常の家庭用タスクの実世界の全身操作を可能にするための重要なステップをマークしていると考えています。
BRSはhttps://behavior-robot-suite.github.io/でオープンソーシングされています
要約(オリジナル)
Real-world household tasks present significant challenges for mobile manipulation robots. An analysis of existing robotics benchmarks reveals that successful task performance hinges on three key whole-body control capabilities: bimanual coordination, stable and precise navigation, and extensive end-effector reachability. Achieving these capabilities requires careful hardware design, but the resulting system complexity further complicates visuomotor policy learning. To address these challenges, we introduce the BEHAVIOR Robot Suite (BRS), a comprehensive framework for whole-body manipulation in diverse household tasks. Built on a bimanual, wheeled robot with a 4-DoF torso, BRS integrates a cost-effective whole-body teleoperation interface for data collection and a novel algorithm for learning whole-body visuomotor policies. We evaluate BRS on five challenging household tasks that not only emphasize the three core capabilities but also introduce additional complexities, such as long-range navigation, interaction with articulated and deformable objects, and manipulation in confined spaces. We believe that BRS’s integrated robotic embodiment, data collection interface, and learning framework mark a significant step toward enabling real-world whole-body manipulation for everyday household tasks. BRS is open-sourced at https://behavior-robot-suite.github.io/
arxiv情報
| 著者 | Yunfan Jiang,Ruohan Zhang,Josiah Wong,Chen Wang,Yanjie Ze,Hang Yin,Cem Gokmen,Shuran Song,Jiajun Wu,Li Fei-Fei |
| 発行日 | 2025-03-07 18:15:21+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google