BiGym

BiGym 是一个新型的基于演示的移动双手机器人操作基准测试和学习环境。该环境包括40个各种各样的任务，设定在家庭环境中，涵盖从简单的目标接触到复杂的厨房清洁等任务。每个任务都提供了人类收集的演示，旨在精确反映现实机器人轨迹的多样性。BiGym支持多种观测模式，包括本体数据和来自三个视角的 RGB 及深度图像。

主要特点：

1. 任务多样性：BiGym包含40个任务，例如目标接触、堆叠积木、移动盘子、开关洗碗机、开关抽屉等。
2. 观测支持：支持多种观测数据，包括本体数据和多角度的 RGB、深度图像数据。
3. 演示数据：由人类操作生成的演示数据，用于训练和评估算法。
4. 易于使用：提供了简单的安装和使用方法，用户可以直接通过Python代码实例化所需的任务。

使用场景：

• 机器人研究：用于研究移动双手机器人的操作和学习。
• 家庭自动化：研究如何让机器人更好地完成家庭任务，例如厨房清洁和物品收纳。
• 机器学习与人工智能：利用人类演示数据进行训练和测试，提升算法的实际表现。
• 教育与培训：可以作为机器人操作训练的工具，为学习者提供多样化的操作任务。

任务示例：

• ReachTarget：用左手或右手到达目标。
• StackBlocks：在桌子上移动和堆叠积木。
• DishwasherOpen：打开洗碗机的门并拉出所有托盘。
• DrawerTopOpen：打开厨房柜子的顶层抽屉。
• PutCups：把杯子从桌子拿起并放进壁柜。

安装方法：

通过pip安装：

pip install .

简单示例：

以下是如何使用BiGym的一个简单示例：

from bigym.action_modes import TorqueActionMode
from bigym.envs.reach_target import ReachTarget
from bigym.utils.observation_config import ObservationConfig, CameraConfig

env = ReachTarget(
    action_mode=TorqueActionMode(floating_base=True),
    observation_config=ObservationConfig(
        cameras=[
            CameraConfig(
                name="head",
                rgb=True,
                depth=False,
                resolution=(128, 128),
            )
        ],
    ),
    render_mode=None,
)

演示及数据再现：

提供了多种工具和脚本（例如demo_store和demo_player）用来下载和回放演示数据，并可通过VR设备录制新的演示数据。

这使得BiGym不仅是一个测试环境，还是一个完备的研究平台，适用于机器人操作及其在现实环境中的表现研究。