RMMBench：ロボット移動マニピュレーションのための包括的ベンチマーク

- RMMBenchは、ロボットのモバイルマニピュレーションを評価するための包括的なベンチマークである。 - 言語指示を理解し、連続空間で長期的なタスクを実行する能力を評価する。 - 高レベルと低レベルの身体化タスクを統合フレームワークにシームレスに統合する。 - 「ナビゲーション-マニピュレーション」タスクスイートを構築し、局所的なマニピュレーションから長期的な複合ナビゲーションまで70の標準的なタスクシナリオを含む。

- 既存のベンチマークは、多様なロボットタスクを評価する包括的な方法を欠いている。 - 評価指標が比較的制限されており、VLMの身体化能力を徹底的かつ細粒度で評価することが難しい。 - RMMBenchは、これらの問題に対処し、高レベルと低レベルのタスクを統合し、多様なシナリオを提供する。

- 言語指示を理解し、連続空間で長期的なタスクを実行するロボットを必要とする評価ベンチマークを提案。 - 高レベルと低レベルの身体化タスクを統一フレームワークに統合。 - 70の標準的なタスクシナリオからなる「ナビゲーション-マニピュレーション」タスクスイートを構築。 - 局所的なマニピュレーションから長期的な複合ナビゲーションまでをカバー。

- 最先端のVLMを評価し、モバイルマニピュレーションタスクにおいて空間定位に大きな課題があることを明らかにした。 - 長期的なインタラクション中にロボットの空間知覚能力を強化する必要性を強調した。 - ベンチマークはhttps://mxxq-stack.github.io/rmmbench-project/でアクセス可能。

- 最先端のVLMはモバイルマニピュレーションタスクにおいて空間定位に依然として大きな課題がある。 - 長期的なインタラクション中にロボットの空間知覚能力を強化する必要性が示唆された。 - その他の議論は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、Vision-Language Models (VLMs) や Robotic Mobile Manipulation に関する研究が挙げられる。