Berkeley Cable Routing 多阶段机器人电缆任务数据集

Berkeley Cable Routing 数据集是一个用于研究多阶段机器人操作任务的数据集，特别是应用于电缆布线任务。该任务要求机器人必须将电缆穿过一系列夹子，这代表了复杂多阶段机器人操作场景的挑战，包括处理可变形物体、闭合视觉感知循环以及处理由多个步骤组成的扩展行为。该数据集由伯克利加州大学和 Intrinsic Innovation LLC 的研究团队于 2023 年发布，相关论文成果为「Multistage Cable Routing Through Hierarchical Imitation Learning」。

在该数据集中，研究者们提出了一个模仿学习系统，该系统使用基于视觉的策略，这些策略是通过较低（电机控制）和较高（排序）级别的演示进行训练的。该系统能够从失败中恢复，并通过智能选择触发的控制器、重试或采取纠正措施来补偿低级控制器的缺陷。研究者们展示了该系统在泛化极具挑战性的夹子放置变化方面表现出色。

该数据集开源了项目中的 3 组数据：

• 路由原语离线数据集：1,442 条低级路由轨迹，可以用来训练路由策略。

• 高级原语选择离线数据集：11,915 个转换及其相关观察，用于研究团队系统中训练高级原语选择策略。

• 端到端轨迹数据集：257 条端到端任务演示轨迹，将电缆路由穿过板上的所有夹子。