RLBench

伦敦帝国理工推出的 100 个机械臂操作任务仿真基准，基于 CoppeliaSim。

RLBench 由伦敦帝国理工学院 Dyson 机器人实验室的 Stephen James、Andrew Davison 等人于 2019 年发布（IEEE RA-L 2020）。它包含 100 个人工设计的操作任务，从够取目标、开门到开烤箱这类多步任务都有，默认用 Franka Panda 机械臂，跑在 CoppeliaSim 仿真器上。每个任务提供多相机的 RGB、深度、分割掩码和本体状态观测，能用运动规划自动生成任意多条演示，许多任务还有颜色、位置等变体。它原本面向强化学习、模仿学习和少样本学习，后来成为三维操作策略的主要仿真基准之一：PerAct 选出的 18 个任务被 RVT、3D Diffuser Actor 等大量工作沿用。

例子PerAct 在 RLBench 的 18 个任务（249 个变体）上训练一个多任务 Transformer，把多视角 RGB-D 观测体素化后预测下一个关键帧的末端位姿，之后的 RVT-2、3D Diffuser Actor 都在同一组任务上比较成功率。

也叫

RLBench 基准、RLBench-18（PerAct 子集）

相关

PerAct、RVT-2、3D Diffuser Actor、CoppeliaSim、关键帧动作预测、The Colosseum

来源

RLBench: The Robot Learning Benchmark & Learning Environment (arXiv 1909.12271)
stepjam/RLBench (GitHub)
Perceiver-Actor (arXiv 2209.05451)