HumanoidBench

伯克利等推出的仿真人形机器人基准，含 27 个全身运动与操作任务。

HumanoidBench 由 UC 伯克利和延世大学的研究者（Carmelo Sferrazza、Pieter Abbeel 等）提出，发表于 RSS 2024。人形机器人硬件贵、易损，算法研究难以大规模展开。它在 MuJoCo 中搭建了一台装有两只 Shadow 灵巧手的宇树 H1，设计 27 个全身控制任务：12 个运动类（走、跑、跨栏、爬行、上楼梯等）和 15 个操作类（开柜门、开门、推、投篮、插入等）。代码库还提供不带手的 H1、宇树 G1 等变体，以及 DreamerV3、TD-MPC2、SAC、PPO 基线。论文发现当时最强的强化学习算法在多数任务上表现不佳，而先学好走路、伸手等底层技能再做分层控制的方法表现更好。

例子同一台带双手的 H1，既要完成 walk、hurdle、stair 等运动任务，也要完成 cabinet、door、basketball、insert 等操作任务，用同一套算法分别训练和打分。

也叫

humanoid-bench

相关

人形机器人、宇树 H1、Shadow 灵巧手、MuJoCo、全身控制、TD-MPC2

来源

HumanoidBench (arXiv 2403.10506)
HumanoidBench project page
Robotics: Science and Systems XX (2024) proceedings

信息截至

2024-07