DROID: A Large-Scale In-The-Wild Robot Manipulation Dataset

要約

大規模で多様で高品質なロボット操作データセットの作成は、より有能で堅牢なロボット操作ポリシーへの道への重要な足がかりとなります。
ただし、このようなデータセットの作成は困難です。さまざまな環境でロボット操作データを収集するには、物流上および安全上の問題が生じ、ハードウェアと人的労働への多額の投資が必要です。
その結果、今日の最も一般的なロボット操作ポリシーでさえ、シーンやタスクの多様性が限られた少数の環境で収集されたデータに基づいてトレーニングされることがほとんどです。
この研究では、DROID (分散ロボット インタラクション データセット) を紹介します。これは、北米、アジア、ヨーロッパの 50 のデータ コレクターによって 564 のシーンと 84 のタスクにわたって収集された、76,000 のデモンストレーション軌跡または 350 時間のインタラクション データを含む多様なロボット操作データセットです。
12か月のコース。
DROID を使用したトレーニングにより、ポリシーのパフォーマンスが向上し、汎化能力が向上することを実証します。
私たちは、完全なデータセット、ポリシー学習コード、ロボット ハードウェア セットアップを再現するための詳細なガイドをオープンソースにしています。

要約(オリジナル)

The creation of large, diverse, high-quality robot manipulation datasets is an important stepping stone on the path toward more capable and robust robotic manipulation policies. However, creating such datasets is challenging: collecting robot manipulation data in diverse environments poses logistical and safety challenges and requires substantial investments in hardware and human labour. As a result, even the most general robot manipulation policies today are mostly trained on data collected in a small number of environments with limited scene and task diversity. In this work, we introduce DROID (Distributed Robot Interaction Dataset), a diverse robot manipulation dataset with 76k demonstration trajectories or 350 hours of interaction data, collected across 564 scenes and 84 tasks by 50 data collectors in North America, Asia, and Europe over the course of 12 months. We demonstrate that training with DROID leads to policies with higher performance and improved generalization ability. We open source the full dataset, policy learning code, and a detailed guide for reproducing our robot hardware setup.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google