LocoMuJoCo: A Comprehensive Imitation Learning Benchmark for Locomotion
LocoMuJoCo, NeurIPS 2023 robot öğrenme çalıştayında sunulan, MuJoCo içindeki hareketlilik için bir taklit öğrenme kıyaslama ölçütüdür. Biyomekanik insan modellerinin yanı sıra 12 insansı ve 4 dört ayaklı robot ortamı içeriyor; her birinde gövdeye uyarlanmış gürültülü hareket yakalama referans verileri, uzman gösterimleri ve ideal olmayan gösterimler bulunuyor. Kod deposu, paralel simülasyon için MJX desteği ekliyor.
Taklit öğrenme yöntemlerinin hareket yakalama referanslarındaki çevik hareketleri ne kadar iyi yeniden ürettiğini, elle tasarlanmış ve göreve özgü ölçütlerle puanlıyor. Kod deposunun dokümantasyonu, dinamik zaman bükme ve Fréchet uzaklığı gibi yörünge karşılaştırma ölçütlerini listeliyor.
Ortamlar, tek örnek için MuJoCo, paralel örnekler için MJX veya MJWarp içinde çalışıyor. Her ortam referans hareket verileri, uzman veri setleri ve elle tasarlanmış ölçütlerle birlikte geliyor; temel karşılaştırma algoritmaları da dahil edilmiş. Kod deposu ayrıca özel ödül sınıflarını desteklediği için yalnızca pekiştirmeli öğrenme kullanmak da mümkün. Daha düşük yörünge uzaklığı, hareketin referansa daha yakın olduğu anlamına geliyor.
İnsan hareket verilerinden insansı robot yürüyüşü öğrenmek, insansı robot kontrolünün temel sorunlarından biridir. Kıyaslama ölçütü, hareket yakalama verilerine sahip insansı robot ortamları içeriyor (README, Unitree H1 ve G1 adlarını veriyor); dolayısıyla bu sorunu doğrudan hedefliyor.
Puanlama
| Ölçüm | Anahtar | Birim | Yön |
|---|---|---|---|
| Trajectory distance (DTW / Fréchet, handcrafted per task) | trajectory_distance | Birimsiz | Düşük değer daha iyi ↓ |
Donanım
README, insansı robot ortamları arasında Unitree H1 (“UnitreeH1”) ve Unitree G1 (“MjxUnitreeG1”) adlarını veriyor. Dört ayaklı robot ve biyomekanik modeller (MyoSkeleton) de dahil edilmiş. Açılan kaynaklarda Atlas ve Talos gibi diğer insansı robotların adları geçmiyor.
Kaydedilen sonuçlar
Henüz sonuç dosyası yok
Kanıt
İlgili değerlendirmeler