# 機器人學習

AGIBOT WORLD是一個專為推進多用途機器人策略而設計的大規模機器人學習數據集。它包括基礎模型、基準測試和一個生態系統，旨在為學術界和工業界提供高質量的機器人數據，為具身AI鋪平道路。該數據集包含100多臺機器人的100萬條以上軌跡，覆蓋100多個真實世界場景，涉及精細操控、工具使用和多機器人協作等任務。它採用尖端的多模態硬件，包括視覺觸覺傳感器、耐用的6自由度靈巧手和具有全身控制的移動雙臂機器人，支持模仿學習、多智能體協作等研究。AGIBOT WORLD的目標是改變大規模機器人學習，推進可擴展的機器人系統生產，是一個開源平臺，邀請研究人員和實踐者共同塑造具身AI的未來。

ManiSkill是一個領先的開源平臺，專注於機器人模擬、無限機器人數據生成和泛化機器人AI。由HillBot.ai領導，該平臺支持通過狀態和/或視覺輸入快速訓練機器人，與其它平臺相比，ManiSkill/SAPIEN實現了10-100倍的視覺數據收集速度。它支持在GPU上並行模擬和渲染RGB-D，速度高達30,000+FPS。ManiSkill提供了40多種技能/任務和2000多個對象的預構建任務，擁有數百萬幀的演示和密集的獎勵函數，用戶無需自己收集資產或設計任務，可以專注於算法開發。此外，它還支持在每個並行環境中同時模擬不同的對象和關節，訓練泛化機器人策略/AI的時間從天縮短到分鐘。ManiSkill易於使用，可以通過pip安裝，並提供簡單靈活的GUI以及所有功能的廣泛文檔。

GRUtopia是一個為各種機器人設計的交互式3D社會模擬平臺，它通過模擬到現實(Sim2Real)的範式，為機器人學習提供了一個可行的路徑。平臺包含100k精細標註的交互場景，可以自由組合成城市規模的環境，覆蓋89種不同的場景類別，為服務導向環境中通用機器人的部署提供了基礎。此外，GRUtopia還包括一個由大型語言模型(LLM)驅動的NPC系統，負責社交互動、任務生成和分配，模擬了具身AI應用的社交場景。

ManiWAV是一個研究項目，旨在通過野外的音頻和視覺數據學習機器人操控技能。它通過收集人類演示的同步音頻和視覺反饋，並通過相應的策略接口直接從演示中學習機器人操控策略。該模型展示了通過四個接觸豐富的操控任務來證明其系統的能力，這些任務需要機器人被動地感知接觸事件和模式，或主動地感知物體表面的材料和狀態。此外，該系統還能夠通過學習多樣化的野外人類演示來泛化到未見過的野外環境中。

AMBIDEX是NAVER LABS開發的雙臂機器人，旨在實現與人類的安全共存。該機器人具有強大的動力傳遞機制，同時保持輕便和靈活，滿足堅韌和安全性的要求。AMBIDEX項目正在研究新的學習方式，使機器人能夠學習人類的動作能力，以執行日常遇到的複雜任務。