加州大学伯克利分校 发布 Real2Render2Real 数据集, 应用在 机器人学习、视觉动作模仿 领域

加州大学伯克利分校 本次发布的数据集 Real2Render2Real, Real2Render2Real是一个用于生成大规模机器人训练数据的新框架，无需依赖物体动力学模拟或机器人硬件的远程操作。该数据集通过智能手机扫描对象的多视图和人类示范视频，生成数千个高视觉保真的机器人无关演示。数据集支持刚性和铰接对象，并通过3D高斯Splatting (3DGS)生成网格资产。生成的轨迹包括机器人本体感觉、末端执行器动作和对齐的RGB观察，可用于视觉语言动作模型和扩散模型等现代模仿学习策略。该数据集旨在解决机器人学习模型训练数据稀缺的问题，通过计算数据生成来实现可扩展性和多样性，而不需要动力学模拟或机器人硬件。

查看Real2Render2Real

关于 加州大学伯克利分校 , 加州大学伯克利分校（University of California, Berkeley），简称伯克利，是世界著名研究型大学，位于美国旧金山湾区伯克利市，是加州大学系统中最为著名的一所。该校是1849年加州兴起时建立的，是美国最自由、最进步的大学之一，也是世界数学、自然科学、工程科学和人文科学重要的研究和发展中心。

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。