RLBench 机器人学习基准
提供方：Imperial College London（Dyson Robotics Lab）
RLBench 提供 100 个手工操作任务与无限运动规划示范，标准协议 18 任务 249 变体，Franka Panda + CoppeliaSim。
关键信息
- 就绪度
- L2 · 语义材质就绪
- 判定说明
- 操作侧 L2：100 个手工设计的操作任务，每个带程序化变体与无限量运动规划示范，场景在 CoppeliaSim 中物理仿真；但抓取采用父子绑定的简化物理而非摩擦接触，故不标 L3。
- 资产规模
- 100 个手工设计任务（含程序化变体）；标准评测协议为 18 任务 / 249 变体，每任务 100 条示范（RLBench 论文（arXiv 1909.12271，RA-L 2020）列 100 任务；PerAct 起沿用的 18 任务 / 249 变体协议来自后续工作论文。抓取日期 2026-10-25。）
- 许可
- 仅限研究 — Imperial College 自定义学术许可（BSD 体例 + 强制引用 RLBench 论文），可自由用于研究并将成果用于产品，但对外分发或商用前须核对 LICENSE 条款。
- 获取方式
- 直接开放
- 交付格式
- other
- 适配运行时
- pybullet · other
- 物理属性
- 碰撞几何关节结构传感器属性
- 按领域
- 其他
- 发布于
- 2026-10-25
- 更新于
- 2026-10-25
收录理由
RLBench 解决的是操作研究中的可复现性问题：与其让每篇论文自造任务，不如提供统一的场景、统一的任务库与统一的观测接口，让从感知到动作的流水线可在完全一致的条件下比较。
就绪度判定
一百个手工设计任务覆盖从简单目标抵达，到「打开烤箱并把托盘放进去」这类多阶段动作。每个任务自带一组路点，运动规划器据此可生成近乎无限的专家示范——正是这一点让示范学习在这个规模上变得可行。
使用提示
环境通过 PyRep 运行在 CoppeliaSim v4.1.0 上，默认机器人为 Franka Panda 配平行夹爪，可换其他机械臂，UR5 支持在 v1.1.0 加入。抓取被刻意简化：物体在夹爪闭合时直接挂到夹爪末端，仿真更快，但接触物理并不真实。
许可与使用限制以官方来源为准，落地前请自行核验；本站不托管、不镜像任何资产文件。