用于机器人学习和具身AI领域研究的模块化框架
RoboHive 生态系统包含一系列预先存在的和新颖的环境，包括 Shadow Hand 的灵巧操纵、Franka 和 Fetch 机器人的全臂操纵任务以及各种四足运动任务。
与之前的作品相比，RoboHive 提供了精简且统一的任务界面，利用最新的模拟绑定，具有丰富的视觉多样性任务，并支持现实世界开发的通用硬件驱动程序。
RoboHive 的统一界面为研究人员提供了一个方便且易于访问的平台来研究多种学习范式，例如模仿、强化、多任务和分层学习。
RoboHive 还包括大多数环境的专家演示和基线结果，为基准测试和比较提供了标准。
特征：
最广泛、多样化的任务集合
完全可定制的视觉丰富的任务，专为行为泛化而设计。
奖励不可知的任务成功指标
支持多种算法系列+预训练基线
Sim 和硬件无关的机器人类，可在 sim <> real 之间轻松转换
远程操作支持。人类+专家数据集
RoboHive | #框架
RoboHive 生态系统包含一系列预先存在的和新颖的环境，包括 Shadow Hand 的灵巧操纵、Franka 和 Fetch 机器人的全臂操纵任务以及各种四足运动任务。
与之前的作品相比，RoboHive 提供了精简且统一的任务界面，利用最新的模拟绑定，具有丰富的视觉多样性任务，并支持现实世界开发的通用硬件驱动程序。
RoboHive 的统一界面为研究人员提供了一个方便且易于访问的平台来研究多种学习范式，例如模仿、强化、多任务和分层学习。
RoboHive 还包括大多数环境的专家演示和基线结果，为基准测试和比较提供了标准。
特征：
最广泛、多样化的任务集合
完全可定制的视觉丰富的任务，专为行为泛化而设计。
奖励不可知的任务成功指标
支持多种算法系列+预训练基线
Sim 和硬件无关的机器人类，可在 sim <> real 之间轻松转换
远程操作支持。人类+专家数据集
RoboHive | #框架
Media is too big
VIEW IN TELEGRAM
