OopsieVerse：用于机器人操作的损伤感知模拟的安全基准
OopsieVerse: A Safety Benchmark with Damage-Aware Simulation for Robot Manipulation
摘要
虽然机器人的操纵能力迅速进步，但人身安全仍然是部署家用机器人的主要障碍：如果机器人损坏自身或周围环境，任务的成功就不够。模拟为昂贵且危险的现实世界训练和评估提供了一种无害的替代方案，但现有的模拟器缺乏检测、量化和表示损害的通用机制。为了解决这一差距，我们引入了 OOPSIEVERSE，这是一个统一的模拟框架和损害感知家庭操作的基准。 OOPSIEVERSE 通过将接触力、温度变化和液体相互作用等源转换为相应的机械、热或流体损伤，将损伤作为明确的、具有物理依据的的和任务无关的信号提供。 OOPSIEVERSE 包含两个核心要素：(1) DAMAGESIM，一个与模拟器无关的框架，用于检测和量化导航和操作过程中的损坏；(2) 一套家庭任务，旨在评估常见的损坏模式并区分任务完成和安全执行。我们通过在具有不同物理后端的两个模拟器 OmniGibson (Nvidia Omniverse) 和 RoboCasa (MuJoCo) 中实例化 DAMAGESIM 来展示我们框架的通用性。我们进一步展示了 OOPSIEVERSE 在多个用例中的实用性，包括（1）通过实时损伤反馈指导更安全的演示收集，（2）通过损伤条件模仿学习和强化学习学习更安全的操纵策略，（3）对最先进的视觉语言动作策略的安全性进行基准测试，以及（4）提高模拟到真实转移策略的现实世界安全性。总之，我们的结果凸显了 OOPSIEVERSE 作为安全机器人操作系统、可扩展研究的开源基础的潜力。代码和更多信息请参考https://robin-lab.cs.utexas.edu/oopsieverse/