DexJoCo提出了一个灵巧操作基准与工具包，包含11个功能性任务，评估工具使用、双手协调、长时执行和推理能力。它提供了一个低成本数据采集系统，收集了1.1K条轨迹，并支持域随机化以评估鲁棒性。通过视觉和动力学随机化、多任务训练和动作头适应等设置，对现代模型进行了基准测试，揭示了当前策略的常见局限和关键挑战。
核心要点
- 包含11个功能性任务，评估工具使用、双手协调、长时执行和推理。
- 开发了低成本数据采集系统，收集了1.1K条轨迹。
- 支持域随机化（视觉和动力学随机化）以评估鲁棒性。
- 对现代模型进行了多任务训练和动作头适应等设置下的基准测试。
- 通过实证分析识别了当前灵巧操作策略的常见局限和关键挑战。
正文
原始摘要
实现人类水平的操作需要能够进行复杂物体交互的灵巧机器人手。进一步推进这种能力需要标准化的基准进行系统评估。然而，现有的灵巧基准缺乏反映灵巧手相对于平行夹爪的独特操作能力的任务，也缺乏全面的评估流程。在本文中，我们提出了DexJoCo，一个面向任务导向灵巧操作的基准和工具包，包含11个功能性任务，评估工具使用、双手协调、长时执行和推理。我们开发了一个低成本数据采集系统，并在这些任务中收集了1.1K条轨迹，支持域随机化以评估鲁棒性。我们在多种设置下对现代模型进行了基准测试，包括视觉和动力学随机化、多任务训练和动作头适应。通过广泛的实证分析，我们识别了当前灵巧操作策略的几个重要见解和常见局限，突出了灵巧手机器人学习未来研究的关键挑战。项目页面：https://dexjoco.github.io
关联概念
- 灵巧操作
- 基准测试
- 域随机化
- 多任务学习
- MuJoCo
可操作项
访问项目页面 https://dexjoco.github.io 和代码仓库 https://github.com/brave-eai/dexjoco，下载工具包并尝试运行11个任务中的示例，使用低成本数据采集系统收集自己的轨迹，并应用域随机化进行鲁棒性测试。
原文: DexJoCo: A Benchmark and Toolkit for Task-Oriented Dexterous Manipulation on MuJoCo
自动加工于 2026-05-19 05:52