Datasets & Benchmarks

先读这三篇。

Open X 把 22 家机构的数据合一 → DROID 用 13 国采集真实野外数据 → LIBERO 做终身学习评测。

1. 1
   Open X-Embodiment 2023 · ICRA · ⭐⭐⭐

   *21 家机构把 60 个子数据集、22 种机器人形态统一成 RLDS 标准格式，凑出 100 万+ 真机轨迹；再用 RT-1-X / RT-2-X 混训证明：多机器人数据一起学，比每家只学自己的数据更好——小数据域平均成功率 高约 50%，大数据域 涌现技能 成功率 约 3 倍

2. 2
   DROID 2024 · RSS · ⭐⭐⭐

   *13 家机构、18 台同款 Franka 在 564 个真实场景（厨房/办公室/宿舍等）遥操作采集 7.6 万段示范；用 Diffusion Policy 50/50 共训 后，新任务成功率比「只训本域数据」和「混 Open X-Embodiment」分别平均 高约 22%（i

3. 3
   LIBERO 2023 · NeurIPS · ⭐⭐⭐

   *LIBERO 用 Robosuite 程序化生成 130 个语言条件桌面任务，拆成 Spatial / Object / Goal / 100 四套卷，每任务 50 条专家遥操作示范；系统评测 终身学习（LLDM） 中 陈述性 vs 程序性知识 迁移，并意外发现：顺序微调（Se

Datasets & Benchmarks 全部 16 篇。