README.md

metadata

language:
  - zh
pretty_name: RoboTwin beat_block_hammer demo_clean-50 artifacts
tags:
  - robotwin
  - embodied-ai
  - robotics
  - bimanual-manipulation
  - evaluation
  - video
license: other

RoboTwin beat_block_hammer demo_clean-50 Artifacts

这个仓库存放的是一次 RoboTwin 单任务闭环实验的关键结果产物，而不是官方完整数据集。

仓库内容

• same_distribution/
  • demo_clean -> demo_clean 的评测结果与 100 个 rollout 视频
• cross_configuration/
  • demo_clean -> demo_randomized 的评测结果与 100 个 rollout 视频
• experiment_summary.json

已完成的闭环

本实验完整跑通了以下链路：

1. RoboTwin 官方任务程序生成专家轨迹
2. 原始轨迹落盘为 raw data
3. ACT 预处理生成 training-ready data
4. ACT 正式训练
5. 策略重新部署回 RoboTwin 环境
6. 在 clean / randomized 两种配置下正式评测

关键结果

• 同分布：demo_clean -> demo_clean 成功率 0.64
• 跨配置：demo_clean -> demo_randomized 成功率 0.0

工程心得

这次实验说明，RoboTwin 的价值不只是“能产出模拟数据”，而是它把具身智能实验做成了一条严格的工程流水线：

• 环境层定义任务、对象和成功标准
• 专家层生成并筛选成功轨迹
• 数据层保存多模态原始观测
• 训练层把原始数据转成策略学习输入
• 部署层把策略重新接回环境
• 评测层用统一协议统计成功率并保存视频证据

从研究角度看，这组结果也很典型：clean 分布上的成功并不自动意味着对 domain randomization 的鲁棒性。RoboTwin 2.0 所强调的强随机化、数据多样性和稳健评测，在这次实验里都得到了非常具体的体现。

说明

本仓库中的产物由 RoboTwin 官方代码仓库生成。上游代码、任务定义与论文请参考 RoboTwin 官方项目。