범주 안의 다양성
같은 종류로 분류한 물체도 위상이나 기하가 다를 수 있다. ManiSkill은 이런 범주 내부의 차이를 포함해 지각과 정책이 다양한 물체에 일반화하는지 평가한다.
움직이는 시각 관찰
움직이는 파노라마 카메라를 모사해 자기 시점 점군과 RGB-D 이미지를 얻는다. 3차원 입력 표현이 조작 정책에 주는 영향을 연구하도록 관찰을 구성했다.
상호작용과 시연 학습
환경과의 상호작용으로 정책을 배우는 방법과 시연에서 배우는 방법을 모두 지원한다. 초기 자료는 약 3만 6천 성공 궤적과 150만 관찰 프레임을 포함한다.
규모와 세대 구분
성공 궤적 수와 프레임 수는 다른 단위다. 이 초기 자료의 규모를 후속 ManiSkill 세대의 과제 및 자산 수와 섞지 않고 평가 환경과 학습 방법을 함께 확인해야 한다.
관련 문서
RLBench / DexArt / DexRepNet / HandsOn 조작 벤치마크 / 모방 학습 / 시뮬레이션