REBOOT：从故障到恢复 - 精密装配的数据集和基准

机器人学习策略以典型的方式失败：它们在不确定状态下停滞，在接触丰富的对准过程中漂移，并在精确任务中以毫米为单位错过目标。然而，训练数据集主要由成功的演示组成，而现实世界的基准通常会将性能降低到二元成功。这限制了对恢复的监督和对故障发生位置的分析。我们推出 REBOOT（非标称轨迹恢复情节基准），这是第一个围绕故障作为一流信号而设计的机器人操作基准。 REBOOT 包含 18 个精密装配任务的 2,160 个演示，每个任务分解为五个共享阶段：对齐（拾取）、接合（拾取）、运输、对齐（放置）和接合（放置），从而实现超越终端成功的阶段级评估。故障是跨阶段引入的，并与专家恢复轨迹配对，使系统返回到有效的连续状态。任务通过旋转对称性、啮合间隙精度层以及通过匹配的安装-移除对的装配方向进行注释。故障事件按阶段和分类故障模式进行标记，从而可以归因于运动阶段和公差违规。数据包括来自四个视点的同步 RGB-D 观察结果以及阶段级成功和失败条件的自然语言描述。一半的数据集包含专家演示；另一半包含采样的恢复演示，以反映在模仿学习策略执行轨迹中观察到的失败。我们使用阶段级完成率对动作分块Transformer、扩散和 $\pi_0$-FAST 策略进行基准测试，揭示二进制评估隐藏的特定于模型的故障点。数据集和代码：此 https URL