Google Brain的ROBEL基准测试使开发人员可以在负担得起的机器人上跟踪AI质量

 
用于衡量控制机器人的AI系统性能的基准通常仅限于为工业环境设计的昂贵硬件，这些硬件可能要花费数万美元。加州大学伯克利分校和Google Brain的研究人员通过引入低成本机器人学习机器人基准(ROBEL)来解决此问题，ROBEL是旨在鼓励快速实验和硬件上强化学习的开源平台。 ROBEL还附带专门用于跟踪低成本机器人上AI系统质量的基准任务。
自然，更实惠的机器人旨在与平台和性能基准一起使用，从而使有兴趣迭代开发该领域的开发人员，学生或初创公司更有可能采用该机器人。
ROBEL可与三指机器人手D’Claw和四腿机器人D’Kitty一起使用。这些机器人的完全组装版本由Trossen Robotics制造，售价分别为3200美元和3700美元。 D’Claw是9自由度(9DoF)设备，而D’Kitty是12自由度(12DoF)设备。
ROBEL的制造商在arXiv上发表的一篇论文中说：“这些低成本的模块化机器人易于维护，并且足够坚固，可以从头进行硬件上的强化学习，迄今已注册了14,000多个培训小时。”
相比之下，Sawyer和Baxter机器人在实验室环境中享有声誉，但价格可能超过15,000美元，而像Franka这样的机器人手臂的价格可能超过10,000美元。百特制造商Rethink Robotics在2018年底被汉恩集团收购。
近几个月来，降低成本和提高负担能力一直是机器人技术研究人员关注的焦点。今年早些时候，加州大学伯克利分校发布了Blue，这是一款带抓手的两臂机器人，其价格不到5,000美元，因此受到称赞。 PyRobot是Facebook AI Research于今年夏天发布的机器人技术框架，可与价值5000美元的LoCoBot机器人一起启动。
ROBEL基准旨在执行D’Claw的“旋转和拧紧”和D’Kitty的“站立和行走”等任务。擅长拧紧或拧松东西的机器人手可以用来在工厂中操纵阀门或只是打开罐子，而懂得如何四脚走路的机器人可以利用运动来越过障碍物或旅行。
为了帮助用户加快开发和实验速度，ROBEL还包括一个模拟器，以允许合并合成数据。