RLBench
牛津大学
RLBench 是由牛津大学提出的机器人操作基准框架。
在 CoppeliaSim 中定义了 100 个带语言描述的操作任务，支持程序化任务生成与变体控制。通过 task variation 维度（位置、姿态、颜色、形状等）严格评估策略的泛化能力。
机构
牛津大学
规模
100+ 任务
许可证
开源（详见官方链接）
机器人类型
仿真
任务类型
操作 装配
发布年份
2019
数据模态
视觉、深度、点云
🤖 仿真生成✅ 自动标注💻 仿真📊 有数据划分
VLA 框架兼容性
🧠 OpenVLA🧠 Octo
🏆 Benchmark 评测表现
使用该数据集训练的模型在标准 benchmark 上的得分
RLBench (18 tasks, 100 demos/task)
📄 点击论文图标查看数据来源。查看完整排行榜 →
数据格式
存储格式详见官方链接
数据规模100+ 任务
压缩方式未知
文件布局按 task/variation/episode 三级目录；每 episode 含 front_rgb/wrist_rgb/low_dim_state 四个目录
索引方式variation_descriptions.pkl（任务描述） + low_dim_state.npy（本体状态索引）
格式版本PNG（RGB 帧）+ NPY（low_dim_state + gripper_pose）
task
variation
episode
observation（RGB + depth + point_cloud + proprioception）
action（end-effector pose + gripper）
reward, HDF5/NPZ
快速上手
加载数据
from rlbench.action_modes import ArmActionMode
from rlbench.environment import Environment
env = Environment(action_mode=ArmActionMode.ABS_JOINT_POSITION)
launch = env.launch()
task = env.get_task(launch, 'open_drawer')
demos = task.get_demos(amount=10) # 每个 demo 含 front_rgb + wrist_rgb + low_dim_state依赖库
预处理说明
图像为 PIL Image 格式，需转为 numpy array；low_dim_state 为 26 维本体状态；每个 demo 含 4 个 observation list（front_rgb/wrist_rgb/front_depth/wrist_depth）
数据内容
传感器规格
视觉
深度
点云
数据统计
场景数详见官方链接
物体数详见官方链接
任务数2 种任务类型
轨迹/片段数100+ 任务