RLWRLDとNvidia、ヒューマン・デクステリティの標準化に向けて協力
フィジカルAI企業RLWRLDはNvidiaと協力し、DexBench（器用さパフォーマンスを評価する普遍的ベンチマーク）、器用な操作トレーニングのデータ標準、Nvidia Isaac LabおよびIsaac Lab-Arenaオープンフレームワークへの深い統合という3つの柱に焦点を当てた、次世代産業標準を開発するためのイニシアチブを開始しました。
器用さの課題
精密組立、選別、包装などの微細なタスクを実行できるヒューマノイドロボットの器用な操作は、ヒューマノイドAI開発における決定的なフロンティアとして浮上しています。しかし、業界は依然として、ヒューマノイドの器用さパフォーマンスを客観的に測定・比較するための共通フレームワークと、スケールで器用な操作モデルをトレーニングするための共有データ標準の両方を欠いています。
DexBench：二重検証フレームワーク
RLWRLDのDexBenchベンチマークはNvidiaのIsaac Lab-Arena環境に統合され、シミュレーションと現実環境の両方で器用さパフォーマンスを検証するシステムを確立します。
DexBenchは18の主要アトミックタスクにまたがる5つのコア評価ドメインを定義します：
- グラスピング多様性：成功したグラスの多様性を測定
- 空間精度：位置精度を評価
- 時間精度：時間的一貫性を評価
- 接触精度：力と接触品質を測定
- 文脈認識：環境適応性をテスト
RLDX-1基盤モデルのパフォーマンス
RLDX-1（RLWRLDのヒューマノイド器用操作のための基盤モデル）は、RoboCasa Kitchen、RoboCasa GR-1 Tabletop、LIBERO-Plusを含む8つの確立されたシミュレーションベンチマークで最先端のパフォーマンスを示し、Nvidia GR00T N1.6やPhysical Intelligence π0.5などのフロンティアモデルを上回りました。
