BC-Z 机器人学习数据集

BC-Z 数据集是一个由谷歌、 Everyday Robots 、加州大学伯克利分校和斯坦福大学于 2022 年共同开发的大规模机器人学习数据集，旨在推动机器人模仿学习领域的发展。相关论文成果为「BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning」。该数据集的核心贡献在于它支持零样本 (zero-shot) 任务泛化，即让机器人能够在没有先前经验的情况下，通过模仿学习来执行新的操作任务。

The BC-Z dataset is a large-scale robotic learning dataset co-developed by Google, Everyday Robots, University of California, Berkeley, and Stanford University in 2022, aimed at advancing the field of robotic imitation learning. Its associated academic paper is titled "BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning". The core contribution of this dataset is its support for zero-shot task generalization, which enables robots to execute novel manipulation tasks through imitation learning without prior relevant experience.

搜集汇总

背景与挑战

背景概述

BC-Z是由谷歌等机构联合开发的大规模机器人模仿学习数据集，包含25,877个任务场景和100种操作任务，支持零样本任务泛化。数据集包含125小时机器人操作数据，用于训练多任务策略，可根据语言描述或视频调整执行特定任务。