BiGym 2.0：人形家庭操作的策略学习与 Agent 开发基准

摘要

人形家庭操控需要手臂动作，同时身体平衡、迈步和改变姿势。我们推出 BiGym 2.0，这是 BiGym 的改编版，适用于 Unitree G1，可使用统一的全身控制器进行演示和评估，可完成 20 项家庭任务。该套件为每个任务提供 60 个本机人体虚拟现实演示，并具有同步的多摄像头视图和全身执行记录。考虑到在线强化学习的交互预算，我们对视觉-语言-动作微调、模仿学习、演示驱动的强化学习和冷启动编码智能体进行了基准测试。每种方法都具有相同的板载视图、本体感觉和全身控制器，视觉-语言-动作微调具有最高的九项任务平均值，而智能体开发的程序在此平均值上优于每个演示驱动的强化学习基线，并在双手触及方面领先。跨工作空间堆叠保持开放，$π_{0.5}$ 在选取框上保持较低水平，多对象传输对于模仿学习、演示驱动的强化学习和编码智能体来说很困难。所有环境、人类演示和评估轨迹均在 https://github.com/swirl-uk/BiGym2. 开源

BiGym 2.0：人形家庭操作的策略学习与 Agent 开发基准：论文原图 — 图 4：餐具和盘子装载时的身体姿势。左：BiGym；右：BiGym 2.0。每个面板覆盖一个演示中的两个状态，较早的姿势微弱，而较晚的姿势不透明。两个系统均可调节工作高度。 G1 在装载钢板时也会将其躯干向前倾斜。机器人和任务布局遵循各自的基准。