BiCoord：长视野时空协调的双手操作基准

双手操纵，即协调使用两个机械臂来完成任务，对于实现机器人技术中人类水平的灵活性至关重要。最近的模拟基准测试（例如 RoboTwin 和 RLBench2）具有先进的数据驱动学习功能，可用于双手操作。然而，现有的任务是短期的，并且只是松散地协调，无法捕捉现实世界双手行为中固有的时空耦合。为了解决这一差距，我们引入了 BiCoord，这是长视界和紧密协调的双手操作的基准。具体来说，BiCoord 包含多种任务，这些任务需要持续的臂间依赖和跨多个子目标的动态角色交换。此外，我们提出了一套定量指标，从时间、空间和时空角度评估协调性，从而能够系统地测量双手合作。实验结果表明，代表性的操纵策略，例如 DP、RDT、Pi0 和 OpenVLA-OFT，难以应对长期和高度耦合的任务，揭示了实现长期和紧密协调任务的根本挑战。我们希望 BiCoord 能够作为研究长期协作操纵的基础，并激发未来协调感知机器人学习的研究。所有数据集、代码和补充均可在 https://buaa-colalab.github.io/BiCoord/ 找到。