伯克利开源高质量大型机器人操控基准，面对复杂自主操控任务不再犯难

AIGC动态欢迎阅读

原标题：伯克利开源高质量大型机器人操控基准，面对复杂自主操控任务不再犯难
关键字：任务,机器人,物体,策略,数据
文章来源：机器之心
内容字数：5652字

内容摘要：

机器之心专栏
机器之心编辑部随着人工智能和机器人技术的迅速发展，功能操控（Functional Manipulation）在机器人学中的重要性愈加突出。传统的基准测试已无法满足目前机器人对复杂操控任务的需求，呼吁新的操控基准（Functional Manipulation Benchmark）出现。
概述
机器人操控面临两个主要挑战：机器人如何智能地处理复杂的接触动力学以及如何应对环境和物体的多样性。针对这些挑战，机器人学习技术被视为关键的解决手段。因此，该领域需要一个全面易得的框架，提供有挑战性的实际任务、高质量数据、易于复制的设置，集合了基线结果的相关方法，基于该框架，研究人员能够对所提出任务的实验发现进行深入分析。
加州大学伯克利分校智能机器人实验室（RAIL）的研究团队提出了如上所述的现实世界基准，称为 FMB（Functional Manipulation Benchmark for Generalizable Robotic Learning）。项目主页：https://functional-manipulation-benchmark.github.io/
论文地址：ht

原文链接：伯克利开源高质量大型机器人操控基准，面对复杂自主操控任务不再犯难

联系作者

文章来源：机器之心
作者微信：almosthuman2014
作者简介：专业的人工智能媒体和产业服务平台