HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation

要約

ヒューマノイド ロボットは、人間に似た形態を活用した柔軟性と適応性により、さまざまな環境や作業において人間を支援する上で大きな期待を集めています。
しかし、人型ロボットの研究は、高価で壊れやすいハードウェアのセットアップがネックになることがよくあります。
ヒューマノイド ロボットのアルゴリズム研究を加速するために、私たちは、器用な手とさまざまな困難な全身操作および移動タスクを備えたヒューマノイド ロボットを特徴とする、高次元のシミュレートされたロボット学習ベンチマーク、HumanoidBench を紹介します。
私たちの調査結果では、最先端の強化学習アルゴリズムはほとんどのタスクに苦戦するのに対し、階層学習ベースラインは歩行や到達などの堅牢な低レベルのポリシーによってサポートされる場合に優れたパフォーマンスを達成することが明らかになりました。
HumanoidBench により、ヒューマノイド ロボットでさまざまなタスクを解決する際に生じる課題を特定するプラットフォームをロボット工学コミュニティに提供し、アルゴリズムやアイデアの迅速な検証を促進します。
オープンソース コードは https://sferrazza.cc/humanoidbench_site で入手できます。

要約(オリジナル)

Humanoid robots hold great promise in assisting humans in diverse environments and tasks, due to their flexibility and adaptability leveraging human-like morphology. However, research in humanoid robots is often bottlenecked by the costly and fragile hardware setups. To accelerate algorithmic research in humanoid robots, we present a high-dimensional, simulated robot learning benchmark, HumanoidBench, featuring a humanoid robot equipped with dexterous hands and a variety of challenging whole-body manipulation and locomotion tasks. Our findings reveal that state-of-the-art reinforcement learning algorithms struggle with most tasks, whereas a hierarchical learning baseline achieves superior performance when supported by robust low-level policies, such as walking or reaching. With HumanoidBench, we provide the robotics community with a platform to identify the challenges arising when solving diverse tasks with humanoid robots, facilitating prompt verification of algorithms and ideas. The open-source code is available at https://sferrazza.cc/humanoidbench_site.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google