KindER：机器人学习和规划的物理推理基准

与物理世界交互的机器人系统必须推理其自身的体现、环境和手头任务所施加的运动学和动态约束。我们推出 KinDER，这是运动学和动态体现推理的基准，针对机器人学习和规划中出现的物理推理挑战。 KinDER 包含 25 个程序生成的环境、一个具有参数化技能和演示的与 Gymnasium 兼容的 Python 库，以及一个标准化评估套件，其中包含 13 个实施的基线，涵盖任务和运动规划、模仿学习、强化学习和基于基础模型的方法。这些环境旨在隔离五个核心物理推理挑战：基本空间关系、不可理解的多对象操纵、工具使用、组合几何约束和动态约束，与感知、语言理解和特定于应用程序的复杂性分离。实证评估表明，现有方法难以解决许多环境问题，这表明当前的物理推理方法存在巨大差距。我们还在移动操纵器上进行了真实到模拟到真实的实验，以评估模拟与现实世界物理交互之间的对应关系。 KindER 是完全开源的，旨在实现跨不同范式的系统比较，以推进机器人技术的物理推理。网站和代码：https://prpl-group.com/kinder-site/