WireCraft：工业线缆操作的仿真基准

可变形线性物体 (DLO)，例如电线和电缆，是工业装配的核心。与通过 6 自由度姿势捕获状态的刚性物体不同，DLO 具有无限维的配置空间，并且在与夹爪、固定夹具和工作空间接触时不断变形，这使它们成为一般灵巧操作的苛刻基准。尽管它们很重要，但策略开发和比较仍然很困难：现有的基准通常与特定的硬件设置相关，缺乏模块化和可定制的任务资产，或者研究通用的可变形对象任务而没有与现实世界工业线操纵相关的固定装置。很少有基准能够将模拟、真实数据和共享评估协议结合起来。为了弥补这一差距，我们引入了 WireCraft，这是一种用于工业 DLO 操作的模拟基准，具有可配置的难度和资产，涵盖三个任务系列：连接器插入、夹扣布线和通道定位。它支持两个互补的 DLO 物理模型（铰接式和可变形式），轨迹来自模拟和物理 UR5。我们在共享指标下对强化学习 (RL)、模仿学习 (IL) 和视觉-语言-行动 (VLA) 策略进行基准测试。基于特权状态的强化学习以超过 82% 的成功率解决了每个任务系列中的代表性设置，确认了任务的适定性。然而，对于连接器插入，从到达插座到接触丰富对齐的转变仍然是视觉 RL、IL 和 VLA 策略的关键瓶颈。这些结果表明，工业 DLO 操纵虽然在特权状态下很容易处理，但对于当前基于视觉的学习来说仍然是一个尚未解决的挑战。基准、数据和工具将在接受后开源。