AIGC動態(tài)歡迎閱讀

原標(biāo)題：伯克利開源高質(zhì)量大型機(jī)器人操控基準(zhǔn)，面對復(fù)雜自主操控任務(wù)不再犯難
關(guān)鍵字：任務(wù),機(jī)器人,物體,策略,數(shù)據(jù)
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：5652字

內(nèi)容摘要：

機(jī)器之心專欄
機(jī)器之心編輯部隨著人工智能和機(jī)器人技術(shù)的迅速發(fā)展，功能操控（Functional Manipulation）在機(jī)器人學(xué)中的重要性愈加突出。傳統(tǒng)的基準(zhǔn)測試已無法滿足目前機(jī)器人對復(fù)雜操控任務(wù)的需求，呼吁新的操控基準(zhǔn)（Functional Manipulation Benchmark）出現(xiàn)。
概述
機(jī)器人操控面臨兩個主要挑戰(zhàn)：機(jī)器人如何智能地處理復(fù)雜的接觸動力學(xué)以及如何應(yīng)對環(huán)境和物體的多樣性。針對這些挑戰(zhàn)，機(jī)器人學(xué)習(xí)技術(shù)被視為關(guān)鍵的解決手段。因此，該領(lǐng)域需要一個全面易得的框架，提供有挑戰(zhàn)性的實際任務(wù)、高質(zhì)量數(shù)據(jù)、易于復(fù)制的設(shè)置，集合了基線結(jié)果的相關(guān)方法，基于該框架，研究人員能夠?qū)λ岢鋈蝿?wù)的實驗發(fā)現(xiàn)進(jìn)行深入分析。
加州大學(xué)伯克利分校智能機(jī)器人實驗室（RAIL）的研究團(tuán)隊提出了如上所述的現(xiàn)實世界基準(zhǔn)，稱為 FMB（Functional Manipulation Benchmark for Generalizable Robotic Learning）。項目主頁：https://functional-manipulation-benchmark.github.io/
論文地址：ht

原文鏈接：伯克利開源高質(zhì)量大型機(jī)器人操控基準(zhǔn)，面對復(fù)雜自主操控任務(wù)不再犯難

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺