论文
猴子看，猴子能做吗？通过观察评估机器人技能学习的基准
Monkey See, Can Monkey Do? A Benchmark for Evaluating Robot Skill Learning by Observation
摘要
从观察中学习（LfO）是机器人的一项基本功能，它复制了人类和动物如何在社会上相互学习。除了生物学上的相似之处之外，这种模式还为机器人等样本效率低下和数据匮乏的领域中的数据扩展提供了实用的解决方案。最近的工作在从人类视频中学习操作技能方面取得了可喜的成果，但该领域的进展仍然难以评估。现有方法在假设、硬件选择和环境设置方面差异很大，因此很难进行有意义的比较并确定该领域的进展。为了应对这些挑战，我们推出了 RoboReel：一个用于评估从人类视频中学习策略的模型的统一基准。 RoboReel 包含捆绑的真实世界人类演示视频、模拟机器人轨迹以及十项操作任务的评估环境。我们开发了四个测试套件来评估模型在多个轴上的性能，包括对视觉干扰的鲁棒性以及完成长期任务的能力。我们的基准测试涵盖了不同类别的观察学习模型，并研究了基准评估中多种表示选择的有效性，该基准评估涵盖了 LfO 领域超过七种最先进的算法（包括我们基于 VLA 的变体）。最后，我们对不同类型的算法进行了分析，表明长期任务和低容差任务对于当前模型来说仍然具有挑战性。网页：https://roboreel.github.io