← 返回论文列表

DexJoCo：面向任务的灵巧操作在MuJoCo上的基准测试与工具包
DexJoCo: A Benchmark and Toolkit for Task-Oriented Dexterous Manipulation on MuJoCo

作者: Hanwen Wang, Weizhi Zhao, Xiangyu Wang 等14人
arXiv: 2605.16257v1
分类: cs.RO
📝 论文摘要
实现人类水平操作需要能够进行复杂物体交互的灵巧机器手。进一步提升此类能力需依赖标准化基准以进行系统评估。然而现有灵巧操作基准缺乏能体现灵巧手相较于平行夹爪独特操作能力的任务，同时缺少完整的评估流程。本文提出DexJoCo——面向任务导向型灵巧操作的基准与工具包，包含11个功能导向型任务，用于评估工具使用、双手协调、长时域执行与推理能力。我们开发了低成本数据采集系统，收集了涵盖上述任务的1100条轨迹，并支持领域随机化以评估鲁棒性。我们在多种设置下对现有模型进行了基准测试，包括视觉与动力学随机化、多任务训练以及动作头适配。通过大量实证分析，我们揭示了当前策略在灵巧操作中的若干重要见解与普遍局限，为未来灵巧手机器人学习研究指明了关键挑战。项目页面见：https://dexjoco.github.io

📊 核心分析

🎯 研究动机
- 现有**灵巧操作(dexterous manipulation)** 基准缺乏反映灵巧手独特能力的任务，如工具使用、双手协调等 - 缺乏全面的评估管道(pipeline)，难以系统评价和对比不同方法 - 研究背景：实现人类水平操作需要灵巧手和标准化基准
🔧 核心方法
- 构建**DexJoCo** 基准与工具包，包含11个功能化任务，覆盖工具使用、双手协调、长时程执行和推理 - 开发低成本数据收集系统，采集1.1K条轨迹，支持领域随机化(domain randomization)评估鲁棒性 - 在多种设置下测试现代模型：视觉和动力学随机化、多任务训练、动作头适配(action-head adaptation)
💡 核心创新
- **任务设计**：11个任务基于功能需求设计，强调灵巧手超越平行夹爪的独特能力（如工具使用、双手协调） - **数据与评估**：提供低成本数据采集系统，并引入领域随机化全面评估鲁棒性 - **实证分析**：通过广泛实验识别当前策略的常见局限，揭示灵巧操作的关键挑战
🏆 总体贡献
- 提供面向任务的灵巧操作标准化基准，填补现有基准的功能性空白 - 发布数据集和工具包，支持社区复现与后续研究 - 通过系统性基准测试为灵巧手机器人学习提供重要洞察和未来研究方向