BC-Z

概述

BC-Z 是由 Google 创建的零样本机器人操作数据集，专门用于研究机器人如何从少量演示中学习并泛化到新任务。该数据集包含了 100 个不同的操作任务，支持零样本和少样本学习研究。

数据规模与结构

BC-Z 数据集的设计注重任务多样性和泛化能力评估：

• 任务数量：100 个不同的操作任务
• 演示数量：每个任务包含多个演示
• 任务类型：抓取、放置、推动、装配等
• 泛化维度：新物体、新位置、新任务

数据集的任务设计考虑了多个泛化维度，使得研究者可以评估模型在不同条件下的泛化能力。

核心特性

零样本学习

BC-Z 的核心特点是支持零样本学习研究，即模型需要在未见过的任务上展现操作能力。

任务泛化

数据集设计了多个泛化维度：物体泛化（新物体）、位置泛化（新位置）、任务泛化（新任务组合）。

大规模任务覆盖

100 个任务覆盖了多种操作类型，为模型学习提供了丰富的经验。

技术架构

BC-Z 基于真实机器人平台收集数据，使用遥操作界面进行演示收集。

应用场景

BC-Z 主要用于：零样本机器人学习、少样本学习、任务泛化研究。

技术影响

BC-Z 为零样本机器人学习研究提供了重要的数据基础，推动了该领域的发展。