南京大学 发布 DeCoBench 数据集, 应用在 机器人学习、3D操作 领域

南京大学 本次发布的数据集 DeCoBench, DeCoBench是一个专门为评估多任务模仿学习模型在长时3D操作任务中的零样本泛化能力而设计的基准。数据集由12个新颖的组合式长时3D操作任务组成，旨在解决多任务模仿学习模型在面临新颖的长时3D操作任务时的泛化能力有限的问题。数据集由南京大学、上海大学、新加坡国立大学和华为的研究人员创建，并通过DeCo框架进行评估，DeCo框架能够使多任务模仿学习模型实现零样本泛化。DeCo框架由三个关键组件组成：任务分解、技能学习和技能调度。任务分解组件将长时操作任务分解成一系列模块化和可重用的原子任务，技能学习组件使模型能够从原子任务中学习多样化的技能，技能调度组件则使用视觉语言模型来规划新任务的指令，并调度原子技能的执行。DeCo框架在模拟和真实世界环境中都取得了显著的泛化性能提升。

查看DeCoBench

关于 南京大学 , 南京大学是中国的一所综合性研究型大学，位于江苏省南京市，是中国九校联盟之一，也是世界一流大学和一流学科建设高校。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。