Recoleta Item Note
RoboCasa365: A Large-Scale Simulation Framework for Training and Benchmarking Generalist Robots
RoboCasa365 是一个面向通用机器人训练与评测的大规模家庭移动操作仿真基准，重点解决“缺少可复现、系统化、大规模 benchmark”的问题。它把任务、场景与演示数据同时扩展到较大规模，并用此分析多任务训练、机器人基础模型训练和终身学习中的关键影响因素。
robot-benchmarksimulation-frameworkgeneralist-robot-policyrobot-foundation-modellifelong-learningmobile-manipulation
Summary
RoboCasa365 是一个面向通用机器人训练与评测的大规模家庭移动操作仿真基准，重点解决“缺少可复现、系统化、大规模 benchmark”的问题。它把任务、场景与演示数据同时扩展到较大规模，并用此分析多任务训练、机器人基础模型训练和终身学习中的关键影响因素。
Problem
- 现有机器人学习很难可靠衡量“离通用家庭机器人还有多远”，因为缺少可复现、系统化、足够大规模的评测基准。
- 真实世界数据收集和评测成本高、噪声大，难以系统研究任务多样性、环境变化、数据规模对泛化的影响。
- 现有仿真框架通常任务少、场景窄、数据规模有限，难以支撑generalist robot policy / robot foundation model 的训练与公平比较。
Approach
- 构建 RoboCasa365：基于 RoboCasa 扩展为 365 个日常任务、2,500 个厨房场景、2,000+ 小时机器人交互数据的仿真框架。
- 任务层面包含 65 个原子任务和 300 个组合任务；组合任务通过 LLM 先生成高层活动和任务蓝图，再人工实现到模拟器中。
- 场景层面使用 50 个真实住宅厨房布局 × 50 种风格 = 2,500 个预训练场景，并与 10 个目标场景分离，用于更严格的泛化评测。
- 数据层面提供 30k 预训练人工演示、25k 目标任务人工演示，并用 MimicGen 在 60 个原子任务上从每任务 100 条种子演示扩展到 10k 条，形成 1615 小时合成数据。
- 基准评测覆盖三类设置：大规模多任务训练、基础模型预训练+微调、终身学习，并比较 Diffusion Policy、pi_0、pi_0.5、GR00T N1.5 等方法。
Results
- 基准规模声明：365 个任务、2,500 个厨房场景、612 小时人工演示 + 1615 小时合成演示；论文称其是首个同时满足“数百任务、数千场景、大规模高质量数据、系统 benchmark”的仿真框架之一。
- 多任务训练（300 个预训练任务，50 个目标任务评测）：GR00T N1.5 平均成功率 20.0%，优于 pi_0.5 16.9%、pi_0 15.0%、Diffusion Policy 6.1%。按任务类型，GR00T 在 Atomic / Composite-Seen / Composite-Unseen 上分别为 43.0 / 9.6 / 4.4，显示长时序组合任务和未见任务明显更难。
- 基础模型训练收益：在 50 个目标任务上，GR00T 的“仅目标数据训练”平均成功率从 21.0% / 34.3% / 43.7%（10%/30%/100%目标数据）提升到“预训练+目标微调”的 35.9% / 42.2% / 51.1%。论文明确声称预训练带来约 3× 数据效率提升。
- 未见组合任务收益最明显：Composite-Unseen 上，100% 目标数据时“仅目标训练”为 33.3%，而“预训练+微调”为 42.1%；10% 数据时分别为 11.2% vs 22.7%。
- 原子任务零/低样本迁移较强，组合任务弱：仅预训练时 Atomic 达 41.9%，但 Composite-Seen / Unseen 仅 0.0% / 0.2%，说明预训练知识对短时技能更易迁移，对长时序规划仍不足。
- 终身学习存在明显灾难性遗忘：四阶段训练中，Atomic 成功率从 Phase 1 的 41.5% 降到 Phase 4 的 10.6%；2-3 stage 任务从 24.5% 降到 1.7%，表明随着学习更长时序新任务，旧任务性能持续下降。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.