RLBench: Der Benchmark und die Lernumgebung für das Robotergestützte Lernen

Wir präsentieren einen herausfordernden neuen Benchmark und eine Lernumgebung für das Robotergestützte Lernen: RLBench. Der Benchmark umfasst 100 völlig einzigartige, handgefertigte Aufgaben, die im Schwierigkeitsgrad von einfachen Zielerreichungen und dem Öffnen von Türen bis hin zu längeren mehrstufigen Aufgaben reichen, wie dem Öffnen eines Ofens und dem Platzieren eines Tabletts darin. Wir stellen eine Vielzahl sowohl propriozeptiver Beobachtungen als auch visueller Beobachtungen bereit, die rgb, Tiefeninformationen und Segmentierungsmasken von einer über-die-Schulter-Stereo-Kamera und einer monokularen Eye-in-Hand-Kamera enthalten. Einzigartig ist, dass jede Aufgabe durch eine unendliche Anzahl von Demonstrationen unterstützt wird, die mithilfe von Bewegungsplanern erstellt werden, welche auf einer Reihe von Wegpunkten basieren, die während der Aufgabenerstellung vorgegeben werden; dies ermöglicht eine spannende Vielfalt an demonstrationbasierten Lernmöglichkeiten. RLBench wurde mit Blick auf Skalierbarkeit entwickelt; neue Aufgaben können zusammen mit ihren bewegungsgeplanten Demonstrationen einfach erstellt und anschließend mit einer Reihe von Werkzeugen geprüft werden, wodurch Benutzer ihre eigenen Aufgaben im RLBench-Aufgabenrepository einreichen können. Dieser groß angelegte Benchmark zielt darauf ab, den Fortschritt in mehreren Forschungsbereichen der sehgeführten Manipulation zu beschleunigen, einschließlich: Verstärkungslernen, Imitationslernen, Multi-Task-Lernen, geometrischer Computer Vision und insbesondere Few-Shot-Lernen. Mit dem Umfang an Aufgaben und Demonstrationen schlagen wir die erste groß angelegte Few-Shot-Herausforderung in der Robotik vor. Wir hoffen, dass der Umfang und die Vielfalt von RLBench unvergleichliche Forschungsgelegenheiten in der Robot-Learning-Community und darüber hinaus bietet. Benchmarking-Code und Videos sind unter https://sites.google.com/view/rlbench verfügbar.