マニピュレーション2026/8/19arXiv:2608.18618

LabDex: 実験室における器用な操作のための階層的ベンチマーク

LabDex: A Hierarchical Benchmark for Dexterous Manipulation in Laboratories

化学実験室での器用な操作を評価するための大規模な実世界データセットとベンチマークを導入し、原子スキル、合成タスク、長期実験の階層的タスク分類を提供する。

詳しい要約

1. どんなもの？

LabDexは、化学実験室における器用な操作（dexterous manipulation）のための大規模な実世界データセットとベンチマークである。原子スキル、合成タスク、長時間ホライズンの実験という階層的なタスク分類法に基づき、ロボットの学習と評価を体系的に行うことを目的とする。

2. 先行研究と比べてどこがすごい？

既存のベンチマークは、器用な手の使用、実世界の実験室での相互作用、多段階の実験手順を同時に捉えていない。LabDexは、実世界とシミュレーションを共通のフレームワークで統合した初のクロスプラットフォームベンチマークであり、標準化されたタスク定義、デモンストレーション、評価プロトコルを提供する点で優れている。

3. 技術・手法の肝は？

手法の肝は、化学実験室の操作を3つの相互接続されたレベル（Atomic Skills、Compositional Skills、Long-Horizon Laboratory Workflows）に体系的に整理した階層的タスク設計にある。この設計により、エンドタスクの性能評価に加えて、基本的な器用なスキルが複雑な操作にどのように構成され影響するかの分析が可能になる。

4. どうやって有効だと検証した？

実世界とシミュレーション環境の両方で、代表的なロボット学習手法のクロスレベル評価を実施した。実験結果は、LabDexのタスク設計とデモンストレーションデータの有効性を検証し、既存のロボットポリシーのトレーニングと体系的な評価を異なるレベルの実験室操作タスクでサポートすることを示した。

5. 議論はある？

要旨からは、議論の余地や限界についての具体的な言及は不明である。ただし、ベンチマークの設計が実世界とシミュレーションのギャップをどの程度埋めるか、また、階層的タスクの構成が学習の転移可能性にどのように影響するかなどが今後の研究課題となる可能性が示唆される。

6. 次に読むべき論文は？

要旨で参照されている関連研究は明示されていないが、ロボット学習の代表的な手法（例えば、imitation learning、reinforcement learning）や、既存のdexterous manipulationベンチマーク（例えば、Dexterous Hand benchmarks）が関連する。具体的には、LabDexと比較される可能性のある既存のベンチマークや、階層的タスク学習に関する研究を読むことが推奨される。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhipeng Tang, Sihang Chen, Sha Zhang, Peihao Yang, Yan Liu, Wentao Zhao, Xinrui Liu, Rui Huang, Wensheng Du, Yuting Huang, Jiajun Deng, Lidian Wang, Yuan Zhang, Yanyong Zhang

分類: cs.RO

原文アブストラクト

Autonomous laboratories hold great promise for accelerating scientific discovery. To achieve this vision, robots are supposed to dexterously manipulate diverse labware and instruments and execute long-horizon, state-dependent experimental procedures. Yet existing benchmarks do not jointly capture dexterous hand use, real-world laboratory interactions, and multi-stage experimental procedures, limiting systematic training and evaluation. To bridge this gap, we introduce LabDex, a large-scale real-world dataset and benchmark for dexterous manipulation in chemistry laboratories, organized around a hierarchical task taxonomy spanning atomic skills, compositional tasks, and long-horizon experiments. First, LabDex is cross-platform and, for the first time, unifies real-world and simulation platforms under a common framework, providing standardized task definitions, demonstrations, and evaluation protocols. Second, LabDex is large-scale and systematically organizes chemistry laboratory operations into three interconnected levels: Atomic Skills, which characterize fundamental dexterous manipulation capabilities; Compositional Skills; and Long-Horizon Laboratory Workflows. This hierarchical design not only supports the evaluation of end-task performance, but also enables the analysis of how fundamental dexterous skills compose and influence more complex laboratory operations. We conduct cross-level evaluations of representative robot learning methods in both real-world and simulation environments. The experimental results validate the effectiveness of the LabDex task design and demonstration data, and show that the benchmark supports the training and systematic evaluation of existing robotic policies across laboratory dexterous manipulation tasks at different levels, providing a foundation for further research and development of autonomous laboratory robots.

arXivで原文を読む →arXiv概要ページ