Volver a Datasets

Datos de los robots humanoides

Curated humanoide robots conjuntos de datos para la locomoción, la manipulación de todo el cuerpo y la formación de la política de manipulación loco.

Datos de movimiento humanoide, manipulación de todo el cuerpo y manipulación loco. Desde la caminata simulada MuJoCo hasta la teleoperatoria real Unitree G1 los datos que necesitas para la formación de políticas humanoides.

Datos clave de los humanos

Dataset Focus Robot / Sim Scale
HumanoidBench Locomotion + manipulation MuJoCo humanoid 15 tasks, RL baselines
Unitree G1 Demos Whole-body teleop Unitree G1 Growing collection
H1 Marcha Bipedal locomotion Unitree H1 Sim + real transfer
NVIDIA Isaac Humanoid Sim locomotion Isaac Sim humanoids Millions of steps
CMU MoCap (retargeted) Motion retargeting Various humanoids 2,500+ motion clips

Los desafíos en los datos humanoides

Los robots humanoides presentan desafíos de datos únicos en comparación con los brazos de mesa. El espacio de acción es de alta dimensión (2040+ articulaciones), las restricciones de equilibrio son críticas y los fallos (caídas) pueden dañar el hardware. La mayoría de los datos de entrenamiento humanoide provienen de la simulación con transferencia sim-a-real, pero la brecha entre la dinámica simulada y el mundo real sigue siendo significativa para las tareas ricas en contacto.

Los enfoques emergentes utilizan la teleoperación VR con retargeting de movimiento para recopilar demostraciones humanoides del mundo real. RCSV apoya este flujo de trabajo con plataformas Unitree G1 y H1 y tuberías de retargeting de captura de movimiento de todo el cuerpo.

Hardware humanoide en el RCSV

Operamos robots humanoides [Unitree G1]T0) para la recopilación de datos y la implementación de políticas. G1 cuenta con 23 DoF, manos destrezas y integración ROS 2. Disponible para compras, arrendamientos o campañas de recopilación de datos administradas.

Para la investigación centrada en la locomoción, también trabajamos con la Unitree H1 y apoyamos tuberías sim-to-real utilizando Isaac Sim y MuJoCo.