Datasets & Benchmarks
没有数据集,模型就是空中楼阁。这一族提供具身 AI 的'地基':从早期 RLBench/Meta-World 到工业级 Open X-Embodiment 和 DROID。
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
Open X-Embodiment
22 家实验室把各种机器人的"练手视频"凑成一个大数据集,再训一个通吃模型,发现喂多种机器人比单喂一种学得更好。
-
2
DROID
全球 18 家实验室一起拍机器人干活的视频,凑出 7.6 万段、564 个真实场景,让机器人不再只会"自家桌子上那点活"。
-
3
LIBERO
教机器人学新技能时别忘旧技能。LIBERO 是这事的标准考卷,4 套题分别考空间、物体、目标和综合。
2019 到 2024,12 篇怎么排开。
祖师爷
经典
前沿
Datasets & Benchmarks 全部 12 篇。
| era | year | title | venue |
|---|---|---|---|
| 祖师爷 | 2019 | Meta-World: A Benchmark and Evaluation for Multi-Task and Meta Reinforcement Learning | CoRL |
| 祖师爷 | 2019 | RLBench: The Robot Learning Benchmark & Learning Environment | RA-L |
| 祖师爷 | 2020 | robosuite: A Modular Simulation Framework and Benchmark for Robot Learning | arXiv |
| 经典 | 2021 | What Matters in Learning from Offline Human Demonstrations for Robot Manipulation | CoRL |
| 经典 | 2022 | CALVIN | RA-L |
| 经典 | 2023 | BridgeData V2 | dataset-eval |
| 经典 | 2023 | LIBERO | NeurIPS |
| 经典 | 2023 | RH20T | RSS Workshop |
| 前沿 | 2023 | Open X-Embodiment | ICRA |
| 前沿 | 2024 | DROID | RSS |
| 前沿 | 2024 | RoboCasa | RSS |
| 前沿 | 2024 | SimplerEnv | NeurIPS |