尧图网站建设 
BEHAVIOR-1K完整指南用 1000 个家务任务做具身智能仿真【免费下载链接】BEHAVIOR-1KBEHAVIOR-1K: a platform for accelerating Embodied AI research. Join our Discord for support: https://discord.gg/bccR5vGFEx项目地址: https://gitcode.com/gh_mirrors/om/BEHAVIOR-1KBEHAVIOR-1K 是一个面向具身智能的仿真基准基于 OmniGibson 仿真器构建。它收录 1000 个清洁、烹饪、整理等日常家务任务场景、物体实例和成功条件全部由程序生成。任务清单来自真实的人类时间使用调查用于训练和评估执行长程家务的 agent。为什么需要它多数具身智能基准停留在简单场景里的单物体操作或导航。BEHAVIOR-1K 覆盖的任务要求改变物体状态加热、冷冻、注水、清洁而不只是移动物体。它提供 50 套住宅场景和数千个带标注的物体同一任务定义能采样出大量不同实例。相比旧版 BEHAVIOR-100任务数量扩大 10 倍底层换成物理和渲染能力更强的 OmniGibson。核心能力拆解BDDL 描述语言定义 1000 个任务BDDL 是谓词逻辑描述语言用初始谓词和目标谓词表达一个任务的起点与终点定义文件存放在 activity_definitions 目录超过 1000 份。使用者不用手写环境配套采样工具链能为任意任务自动生成实例组合。覆盖状态变化的物体状态与物理系统object_states 模块定义 30 多种物体状态包括温度、水位、布料悬挂、接触粒子等由加温、冷冻、流体、布料等物理系统驱动。使用者能把“做熟食物”“放满浴缸”这类任务写成可判定的目标而不是只做位姿比对。多机器人本体与两级动作接口内置多款移动操作机器人controllers 抽象统一了关节空间、OSC 等操作空间控制。上层基于 curobo 运动规划提供 reach、grasp、place 等语义动作原语。使用者可按需切换控制粒度从单关节指令到一次“抓起苹果”的调用。RGB-D/LiDAR 传感器与 Gym 风格环境接口传感器模块输出 RGB、深度、语义分割和激光雷达点云环境用一份配置文件实例化env.step 返回观测、奖励、终止等字段接口形态与 OpenAI Gym 一致。已有强化学习或模仿学习代码可直接接入不需要额外适配层。能跑通哪些典型任务清洁整理输入“整理客厅”任务定义 → 平台采样场景、摆放一组杂乱物体并设定目标谓词 → 产出成功判定与相对人类演示基线的度量。烹饪加热输入 BDDL 任务文件 → 平台加载灶台、锅具与生肉加热系统改变物体温度状态 → 产出“已做熟”状态的评估结果。交互式调试运行机器人控制示例脚本 → 用键盘或手柄在场景内操控机器人同步查看多视角 RGB 图像 → 产出调试过程与相机位姿记录。上手路径安装与硬件要求硬件门槛不低需要 Ubuntu 22.04 或 Windows 10、32GB 以上内存、RTX 2070 及以上显卡且显存 8GB 以上因为仿真器构建于 NVIDIA Omniverse 和 Isaac Sim 之上。仓库提供统一的 setup 脚本支持按组件安装git clone https://gitcode.com/gh_mirrors/om/OmniGibson cd OmniGibson ./setup.sh --new-env --omnigibson --bddl --dataset脚本会创建 conda 环境、下载 Isaac Sim 和 BEHAVIOR 数据集。装完后可运行机器人控制示例验证仿真是否可用。更完整的步骤见仓库内的 Quick Start首次导入仿真器时需要一次性的初始化耗时可能达数分钟。适合谁具身智能研究者用 1000 个任务做长程任务基准测试注意数据集需接受许可协议且依赖 NVIDIA GPU。强化学习与模仿学习工程师通过 Gym 风格接口训练和评估策略观测模态与动作空间按机器人配置。教学演示场景示例脚本自带遥操作演示适合快速展示仿真家居环境的交互效果。小结BEHAVIOR-1K 的核心价值是把家务任务仿真做成了可复现、可自动采样的基准BDDL 任务定义、程序化实例和状态级成功判定构成完整闭环。已知边界是硬件与许可门槛以及首次运行的数据下载开销。完整代码与文档见本仓库的 docs/ 目录。【免费下载链接】BEHAVIOR-1KBEHAVIOR-1K: a platform for accelerating Embodied AI research. Join our Discord for support: https://discord.gg/bccR5vGFEx项目地址: https://gitcode.com/gh_mirrors/om/BEHAVIOR-1K创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 BEHAVIOR-1K：完整指南，用 1000 个家务任务做具身智能仿真
BEHAVIOR-1K完整指南用 1000 个家务任务做具身智能仿真【免费下载链接】BEHAVIOR-1KBEHAVIOR-1K: a platform for accelerating Embodied AI research. Join our Discord for support: https://discord.gg/bccR5vGFEx项目地址: https://gitcode.com/gh_mirrors/om/BEHAVIOR-1KBEHAVIOR-1K 是一个面向具身智能的仿真基准基于 OmniGibson 仿真器构建。它收录 1000 个清洁、烹饪、整理等日常家务任务场景、物体实例和成功条件全部由程序生成。任务清单来自真实的人类时间使用调查用于训练和评估执行长程家务的 agent。为什么需要它多数具身智能基准停留在简单场景里的单物体操作或导航。BEHAVIOR-1K 覆盖的任务要求改变物体状态加热、冷冻、注水、清洁而不只是移动物体。它提供 50 套住宅场景和数千个带标注的物体同一任务定义能采样出大量不同实例。相比旧版 BEHAVIOR-100任务数量扩大 10 倍底层换成物理和渲染能力更强的 OmniGibson。核心能力拆解BDDL 描述语言定义 1000 个任务BDDL 是谓词逻辑描述语言用初始谓词和目标谓词表达一个任务的起点与终点定义文件存放在 activity_definitions 目录超过 1000 份。使用者不用手写环境配套采样工具链能为任意任务自动生成实例组合。覆盖状态变化的物体状态与物理系统object_states 模块定义 30 多种物体状态包括温度、水位、布料悬挂、接触粒子等由加温、冷冻、流体、布料等物理系统驱动。使用者能把“做熟食物”“放满浴缸”这类任务写成可判定的目标而不是只做位姿比对。多机器人本体与两级动作接口内置多款移动操作机器人controllers 抽象统一了关节空间、OSC 等操作空间控制。上层基于 curobo 运动规划提供 reach、grasp、place 等语义动作原语。使用者可按需切换控制粒度从单关节指令到一次“抓起苹果”的调用。RGB-D/LiDAR 传感器与 Gym 风格环境接口传感器模块输出 RGB、深度、语义分割和激光雷达点云环境用一份配置文件实例化env.step 返回观测、奖励、终止等字段接口形态与 OpenAI Gym 一致。已有强化学习或模仿学习代码可直接接入不需要额外适配层。能跑通哪些典型任务清洁整理输入“整理客厅”任务定义 → 平台采样场景、摆放一组杂乱物体并设定目标谓词 → 产出成功判定与相对人类演示基线的度量。烹饪加热输入 BDDL 任务文件 → 平台加载灶台、锅具与生肉加热系统改变物体温度状态 → 产出“已做熟”状态的评估结果。交互式调试运行机器人控制示例脚本 → 用键盘或手柄在场景内操控机器人同步查看多视角 RGB 图像 → 产出调试过程与相机位姿记录。上手路径安装与硬件要求硬件门槛不低需要 Ubuntu 22.04 或 Windows 10、32GB 以上内存、RTX 2070 及以上显卡且显存 8GB 以上因为仿真器构建于 NVIDIA Omniverse 和 Isaac Sim 之上。仓库提供统一的 setup 脚本支持按组件安装git clone https://gitcode.com/gh_mirrors/om/OmniGibson cd OmniGibson ./setup.sh --new-env --omnigibson --bddl --dataset脚本会创建 conda 环境、下载 Isaac Sim 和 BEHAVIOR 数据集。装完后可运行机器人控制示例验证仿真是否可用。更完整的步骤见仓库内的 Quick Start首次导入仿真器时需要一次性的初始化耗时可能达数分钟。适合谁具身智能研究者用 1000 个任务做长程任务基准测试注意数据集需接受许可协议且依赖 NVIDIA GPU。强化学习与模仿学习工程师通过 Gym 风格接口训练和评估策略观测模态与动作空间按机器人配置。教学演示场景示例脚本自带遥操作演示适合快速展示仿真家居环境的交互效果。小结BEHAVIOR-1K 的核心价值是把家务任务仿真做成了可复现、可自动采样的基准BDDL 任务定义、程序化实例和状态级成功判定构成完整闭环。已知边界是硬件与许可门槛以及首次运行的数据下载开销。完整代码与文档见本仓库的 docs/ 目录。【免费下载链接】BEHAVIOR-1KBEHAVIOR-1K: a platform for accelerating Embodied AI research. Join our Discord for support: https://discord.gg/bccR5vGFEx项目地址: https://gitcode.com/gh_mirrors/om/BEHAVIOR-1K创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考