LocoManiLab：面向人形机器人移动操作的数据、策略、控制器与部署统一测试平台
LocoManiLab 发布统一测试平台，覆盖数据采集与生成、策略训练、评估和物理部署。任务套件包含五个家庭场景类别下的 234 个原子与组合任务，配套 51.5 小时仿真遥操作数据。评估在共享控制器下测试十二种策略跨任务/场景划分与扰动水平的表现，并比较两种策略在五种控制器下的差异；成功率在未见任务与场景上下降，且随视觉扰动增强而普遍降低。三个仿真移动操作任务与真实设置高度匹配，三种策略在仿真与真实域中的排名相似。
发布于 10-23 23:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《LocoManiLab: A Unified Testbed for Data, Policies, Controllers, and Deployment in Humanoid Loco-Manipulation》查看原链
arXiv:2610.30876v1 公告类型：新论文 摘要：人形机器人需要在日常环境中协调移动与操作，但由于策略、控制器和任务设置各不相同，进展难以评估。 LocoManiLab 提供了一个集成测试平台，涵盖数据采集与生成、策略训练、评估以及物理部署。
其任务套件覆盖五个家庭场景类别下的 234 个原子任务与组合任务，并由 51.5 小时的仿真遥操作数据支撑。 评估覆盖十二种策略在共享控制器下跨任务与场景划分及扰动水平的表现、两种策略在五种控制器下的表现，以及示范规模与数据源混合的研究。 成功率在未见过的任务和场景上下降，并通常随视觉扰动增加而下降，不同策略在泛化性和鲁棒性上存在差异。
在数据生成方面，一个用于移动操作的人形运动生成模型经过微调，以研究其输出与任务执行需求的对齐情况及其集成到数据生成流水线中的方式。 三个仿真移动操作任务与真实世界设置高度匹配，使得能够在两个域中评估三种策略。 相似的策略排名支持基于仿真的评估的可靠性。