RoboCasa: Large-Scale Simulation of Everyday Tasks for Generalist Robots
RoboCasa, genel amaçlı robotları günlük görevlerde eğitmek ve değerlendirmek için kullanılan, mutfaklara odaklanan büyük ölçekli bir simülasyon çerçevesidir. RoboCasa365 (v1.0, yayımlanma tarihi 2026-02-18), kapsamı 2,500 mutfak ortamında günlük hayattaki 365 göreve genişletiyor; 150’den fazla kategoride 3,200+ nesne ve 2,200+ saatlik robot gösterim verisi içeriyor. Herkese açık bir sıralama tablosu, çok görevli politikaları 50 görevli bir kıyaslama ölçütünde sıralıyor.
Tek bir çok görevli politikanın günlük mutfak görevlerini yeni düzenlerde ve eğitilmediği bileşik görevlerde ne kadar iyi yaptığını ölçüyor. Sıralama tablosu Atomic-Seen, Composite-Seen ve Composite-Unseen bölümlerindeki başarı oranlarını bildiriyor; Composite-Unseen görevleri ön eğitime dahil edilmiyor ve sıfır örnekli değerlendirmeye tabi tutuluyor.
Sahnelerde çeşitli 3D öğeler ve üretken yapay zekâyla zenginleştirilmiş içerikler kullanılıyor; veri karışımı insan gösterimlerini ve otomatik üretilmiş yörüngeleri içeriyor. İlk akademik makale, beş sabit değerlendirme sahnesinde 50 denemeyle atomik görevleri değerlendiriyor ve başarı oranlarını bildiriyor. RoboCasa365 sıralama tablosundaki Genel puan, 50 görev içeren çok görevli kıyaslama ölçütü genelindeki ortalama başarı oranıdır; gönderimler, çekme isteğiyle kod deposuna eklenen JSON dosyalarıdır.
Mutfaklar, ev robotlarının başlıca hedeflerinden biridir. Kıyaslama ölçütü, daha önce görülmemiş düzenlere ve bileşik görevlere aktarımı ölçüyor; bu da insansı robotların ev işlerinde karşılaştığı temel genelleme sorunudur. Çerçeve insansı robotları desteklediğini belirtiyor; ancak yayımlanan değerlendirmelerde mobil bir Franka kolu kullanılıyor.
Puanlama
| Ölçüm | Anahtar | Birim | Yön |
|---|---|---|---|
| Overall success rate (average across the 50-task multi-task benchmark) | overall | % | Yüksek değer daha iyi ↑ |
| Atomic-Seen success rate | atomic_seen | % | Yüksek değer daha iyi ↑ |
| Composite-Seen success rate | composite_seen | % | Yüksek değer daha iyi ↑ |
| Composite-Unseen success rate (zero-shot) | composite_unseen | % | Yüksek değer daha iyi ↑ |
Donanım
Katalogdan bir robot platformu ilişkilendirilmemiş.
Ana deneylerde Omron mobil tabanı üzerinde Franka Panda kolu (PandaOmron) kullanılıyor. Akademik makale ve proje sitesi, çerçevenin insansı robotları ve kollu dört ayaklı robotları desteklediğini söylüyor; ancak açılan kaynaklarda belirli bir insansı robot adı verilmediği için robot listesinden herhangi bir robota bağlantı verilmedi. GR00T kod deposu ayrı bir “RoboCasa GR1 tabletop tasks” kıyaslama ölçütü listeliyor; bkz. gr1-tabletop-tasks.
Kaydedilen sonuçlar
Sürüm 2026 · 6 Ekim 2026
Sıralama tablosu, yüzde cinsinden başarı oranlarıyla Genel puana göre sıralanmış 17 model içeriyor. Genel puan, 50 görev içeren çok görevli kıyaslama ölçütü genelindeki ortalama başarı oranıdır (18 Atomic-Seen, 16 Composite-Seen ve 16 Composite-Unseen görevi); Composite-Unseen görevleri ön eğitime dahil edilmez ve sıfır örnekli değerlendirmeye tabi tutulur. RoboCasa365 akademik makalesi, kıyaslama ölçütünde kullanılan robotu simüle edilmiş PandaOmron (Omron mobil tabanı üzerinde Franka Panda kolu) olarak tanımlıyor; bu robot listede yer almıyor. “Open Source” sütununda sayfanın açıklamadığı bir yıldız işareti bulunuyor; notlar yalnızca onay işaretini yansıtıyor. Sayfanın tarihi “Updated 10/06/2026” olarak belirtilmiş.
| Sıra | Robot / kontrol politikası | Takım | Otonomi | Overall success rate (average across the three splits) (%) | Atomic-Seen success rate (%) | Composite-Seen success rate (%) | Composite-Unseen success rate (zero-shot) (%) | Notlar | Kaynaklar |
|---|---|---|---|---|---|---|---|---|---|
| 1 | PandaOmron (simülasyonda)Kontrol politikası: Paimon-0 | Primotion | Bilinmiyor | 58,1 % | 79,3 % | 55,8 % | 36,7 % | Açık kaynaklı onay işareti yok. | [1][2] |
| 2 | PandaOmron (simülasyonda)Kontrol politikası: Xiaomi-Robotics-1 | Xiaomi Robotics | Bilinmiyor | 57,4 % | 80,2 % | 57,1 % | 32,1 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 3 | PandaOmron (simülasyonda)Kontrol politikası: Phasor-m7 | Phasor | Bilinmiyor | 56,8 % | 78,7 % | 57,4 % | 31,5 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 4 | PandaOmron (simülasyonda)Kontrol politikası: ProWAM | Meta | Bilinmiyor | 48,1 % | 76 % | 46,5 % | 18,2 % | Açık kaynaklı onay işareti yok. | [1][2] |
| 5 | PandaOmron (simülasyonda)Kontrol politikası: PatchWAM | PatchWAM Team | Bilinmiyor | 47,6 % | 78,7 % | 46,4 % | 13,8 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 6 | PandaOmron (simülasyonda)Kontrol politikası: ABot-M0.6 | AMAP CV Lab | Bilinmiyor | 46,6 % | 79,4 % | 48,3 % | 7,9 % | Açık kaynaklı onay işareti yok. | [1][2] |
| 7 | PandaOmron (simülasyonda)Kontrol politikası: ABot-M0.5 | AMAP CV Lab | Bilinmiyor | 40,3 % | 75,6 % | 37,7 % | 3,3 % | Açık kaynaklı onay işareti yok. | [1][2] |
| 8 | PandaOmron (simülasyonda)Kontrol politikası: PRTS | TeleAI | Bilinmiyor | 39,6 % | 66,3 % | 30,3 % | 18,8 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 9 | PandaOmron (simülasyonda)Kontrol politikası: RLDX-1 | RLWRLD | Bilinmiyor | 36 % | 67,6 % | 27,9 % | 8,5 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 10 | PandaOmron (simülasyonda)Kontrol politikası: WorldDreamer | World Agents | Bilinmiyor | 35,3 % | 66,3 % | 26,7 % | 9 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 11 | PandaOmron (simülasyonda)Kontrol politikası: GR00T N1.5 | RoboCasa Team | Bilinmiyor | 23,9 % | 50,7 % | 14,8 % | 2,7 % | Açık kaynaklı olarak işaretlenmiş. RoboCasa 1.0.1 üzerinde 1.5x daha uzun bir değerlendirme ufkuyla yeniden değerlendirildi. | [1][2] |
| 12 | PandaOmron (simülasyonda)Kontrol politikası: LY-GWM-RoboCasa | SEIN-LYGWM | Bilinmiyor | 23,6 % | 48,3 % | 16,3 % | 3,1 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 13 | PandaOmron (simülasyonda)Kontrol politikası: GR00T N1.6 | RoboCasa Team | Bilinmiyor | 21,9 % | 51,1 % | 9,4 % | 1,7 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 14 | PandaOmron (simülasyonda)Kontrol politikası: GigaWorld-Policy 0.1 | GigaAI | Bilinmiyor | 20,7 % | 44,4 % | 11,8 % | 2,9 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 15 | PandaOmron (simülasyonda)Kontrol politikası: π0.5 | RoboCasa Team | Bilinmiyor | 16,9 % | 39,6 % | 7,1 % | 1,2 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 16 | PandaOmron (simülasyonda)Kontrol politikası: π0 | RoboCasa Team | Bilinmiyor | 14,8 % | 34,6 % | 6,1 % | 1,1 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
| 17 | PandaOmron (simülasyonda)Kontrol politikası: Diffusion Policy (DP) | RoboCasa Team | Bilinmiyor | 6,1 % | 15,7 % | 0,2 % | 1,3 % | Açık kaynaklı olarak işaretlenmiş. | [1][2] |
Kanıt
İlgili değerlendirmeler