MotionForge：数据生成管道和大规模基准，用于对具有域移位的动态对象进行长视野操作

基于学习的机器人策略的最新进展已经证明了有希望的进展，但它们主要是在静态或准静态环境中进行评估。在动态操纵中，物体和场景在机器人感知、推理和行动的同时不断演变。然而，最近的动态仿真基准主要集中在短期、与简单运动模式的反应性交互上，并且为域转移下的系统评估和与模型无关的实时执行协议提供有限的支持。为了弥补这些差距，我们引入了 MotionForge，这是第一个大规模仿真基准测试和数据生成管道，旨在联合评估动态操纵中的域转移和长视野交互。 MotionForge 包含 40 个动态交互任务，涵盖 11 种不同的运动模式，并专门支持 17 种长期任务。我们的基准引入了两个关键的新颖性：（1）一个系统的评估协议，用于评估单因素（例如，仅背景变化）和联合域变化（例如，对象、背景、照明和速度的同时变化）下的策略稳健性； (2) 一个解耦的、延迟感知的执行协议，其中环境独立于策略推断时间而不断发展。在我们的基准上对代表性通用机器人策略的广泛评估揭示了联合域转移下的巨大局限性。这些发现揭示了当前政策能力与域转移下动态对象的稳健长期操作要求之间的关键差距，将 MotionForge 确立为未来嵌入式人工智能研究的综合测试平台。