Bridge 数据：利用跨域数据集促进机器人技能的泛化

文章预览

21年9月来自UC Berkeley、Stanford和UPenn的论文“Bridge Data: Boosting Generalization of Robotic Skills with Cross-Domain Datasets”。 机器人学习有望实现宽广泛化的学习策略。然而，这种泛化需要足够多样化的数据集，而收集这些数据集的成本可能非常高昂。在计算机视觉等其他领域，通常使用共享的可重复使用数据集（如 ImageNet）来克服这一挑战，但这在机器人领域已被证明是困难的。一个问题：如何才能在机器人领域实现实际的数据重用，以实现端到端的技能学习？可以假设，关键是使用具有多个任务和多个领域的数据集，这样想要训练机器人在新领域执行新任务的新用户，可以将该数据集纳入训练过程，并从跨任务和跨领域的泛化中受益。 为了评估这一假设，收集一个大型多领域和多任务数据集，其中包含 10 个环境中的 7,200 个演示，构成了 71 个任务，并通过 ………………………………