Robot Learning Benchmark
RLBench
牛津大学
RLBench 是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。
📋 规范性要求
任务定义
🔴 必须
必须覆盖 100 个操作任务，每个任务含自然语言描述
如 'open drawer'、'pick up cup' 等，任务在 CoppeliaSim 仿真中定义
任务变体
🔴 必须
每个任务必须通过 variation 维度控制难度和泛化
含位置、姿态、颜色、形状、大小等参数化变体，支持程序化生成
数据采集
🔴 必须
必须使用 waypoint 关键帧提取进行数据处理
从遥操作轨迹中提取关键帧，减少冗余数据，提升训练效率
观测格式
🔴 必须
必须提供 front_rgb、wrist_rgb 和 low_dim_state
low_dim_state 含末端位姿、夹爪开合度、关节角度等本体感知信息
评估协议
🟡 建议
建议按 seen/unseen variation 分别评估
训练和测试使用不同的 variation 参数，测试泛化能力
训练协议
🟢 可选
可选使用多任务训练协议
多任务联合训练或 sequential fine-tuning，适配 PerAct/RVT 等方法
发布组织
牛津大学
标准类型
评测基准
开放程度
● 完全开源
许可证
开源
适用场景
仿真
数据模态
RGB、State、Language