영업팀 문의
Datasets(으)로 돌아가기

LIBERO: 평생 로봇 학습 기준

LIBERO를 탐험하세요: 130개의 작업, 4개의 평생 학습 스위트에서 65K의 디모를 다운로드하고, OpenVLA/방포 정책을 훈련하고, 벤치마크 전송을 수행합니다. 10분 이내에 시작하세요.

리베로에 대한 의 큐레이션 가이드 130 작업, 65K 디모 기준이 로봇 조작 정책의 Canonical 평생 모방 학습 평가 목표가되었습니다.

TL;DR

Metric Value
Task count 130 tasks across 4 suites (Spatial, Object, Goal, LIBERO-100)
Robots Franka Emika Panda (simulated via RoboSuite)
Modalities RGB (2 cameras), proprioception, gripper, language
License MIT
Size ~65,000 demonstrations, ~40 GB HDF5
Simulator RoboSuite (MuJoCo)

LIBERO는 무엇 입니까?

LIBERO (Lifelong Robot Learning Benchmark) 는 UT 오스틴 로봇 인식 및 학습 연구소가 도입한 연구 기준으로 조작 정책이 지속적인 작업 흐름에 걸쳐 지식을 전송하는 방법을 연구합니다. 일정한 일련의 시범을 기억하는 단일 정책을 요구하기보다는 LIBERO는 130개의 테이블톱 조작 작업을 평생 학습 스위트 4개로 구성하고 각자가 다른 전송 축을 분리합니다. LIBERO-스페셜은 객체 배치, LIBERO-Object는 객체 정체성을 변화시킵니다. LIBERO-Goal는 작업 목표를 변화시킵니다. LIBERO-100는 LIBERO-90 사전 훈련과 LIBERO-10 평가로 나뉘어 일상적인 기술들의 긴 지평층 구성을 테스트합니다.

각 작업 선박은 프랭카 에미카 파ண்டா에서 로봇시뮬레이터에서 수집된 50 개의 인간 원격 조작 시뮬레이션으로 총 65,000 개의 궤도를 생성합니다. 관찰에는 두 개의 RGB 카메라 스트림 (원관 및 손) 과 프로피오시셉티브 관절 상태, 그립어 상태 및 자연어 명령 문자열이 포함됩니다. 또한 기초 진실 객체 및 장면 메타데이터도 노출되어 있어 연구자들은 특권 정보 기반 라인, 절차 일반화 또는 sim-to-real 분배 전환을 연구할 수 있습니다.

리베로는 비전 언어 행동 모델의 실제 평생 학습 평가 목표가 되었으며, 로보 스위트와 호환되는 기준이며, 체육관 스타일의 평가 리너스를 배포하고 있기 때문에, 오픈VLA, 오ક્ટો, 디스푸시언 정책, ACT, BC-Z 모두 LIBERO 번호를 공개하여 공유된 순위표에 새로운 정책을 배치하는 가장 빠른 방법입니다.

다운로드 및 로딩 방법

가공형 배포는 HDF5이며, OpenVLA 팀에서 사용하는 수정된 RLDS 포크도 있습니다. 데이터 세트를 설치하고 다음으로 끌어내십시오.

# Clone the benchmark code
git clone https://github.com/Lifelong-Robot-Learning/LIBERO.git
cd LIBERO && pip install -e .

# Download the HDF5 datasets (~40 GB)
python benchmark_scripts/download_libero_datasets.py --datasets libero_spatial libero_object libero_goal libero_100

# Or pull the RLDS fork used by OpenVLA / Octo
pip install datasets
python -c "from datasets import load_dataset; d = load_dataset('openvla/modified_libero_rlds', split='train'); print(d[0].keys())"

정렬을 위해 RLDS 변종은 직접 OpenVLA 및 Octo 훈련 스크립트에 연결됩니다. 평가용으로, 배송된 T1 입점 을 사용하십시오. 그들은 장면을 로드하고 언어 지침을 재생하고 원래 작업 특정 보상으로 성공을 기록합니다.

일반적인 사용 사례 및 결합

  • ** 정렬 VLAs.** OpenVLA와 Octo 모두 LIBERO 정렬 체크포인트를 발표합니다.
  • 방산 정책과 ACT 기본 라인. 50개의 작업마다 디모 설정은 방산 및 변환 정책과 잘 일치하고, 랭킹표는 출판된 숫자와 비교하기 쉽다.
  • ** 연속 학습 연구.** 4개의 스위트는 대규모 샘플 크기로 잊어 버림, 앞으로 전송, 뒤로 전송을 측정할 수 있는 공개적으로 확장된 유일한 로봇 조작 기준입니다.
  • ** 절차적 증강.** 무조코 XML에서 장면이 정의되기 때문에 연구자들은 종종 LIBERO와 MimicGen 또는 도메인 무작위화를 결합하여 데이터 확장 법칙을 연구합니다.

벤치마크 & 랭킹보드

공공 리더보드는 리베로-스페셜, 리베로-오브젝트, 리베로-골, 리베로-10) 에 따라 평균 500 개 이상의 평가 롤로웃을 추적했다. 현재 최신 기술은 첫 번째 세 개의 리베로에서 95%+ 범위에서 있고 리베로-10에서는 50-60%에 위치한다.