DuoBench: A Reproducible Benchmark for Bimanual Manipulation in Simulation and the Real World
作者: Tobias Jülg, Seongjin Bien, Simon Hilber, Yannik Blei, Pierre Krack, Maximilian Li, Sven Parusel, Rudolf Lioutikov, Florian Walter, Wolfram Burgard
分类: cs.RO, cs.AI
发布日期: 2026-06-10
💡 一句话要点
提出DuoBench以解决双臂机器人操作基准测试的挑战
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 双臂操作 基准测试 机器人学习 仿真 人机协作 失败分析 任务设计
📋 核心要点
- 现有的双臂机器人操作基准测试未能充分捕捉协调两个手臂所带来的控制复杂性和失败模式。
- DuoBench是一个可扩展的基准测试框架，涵盖多个任务和协调类别，支持仿真和现实世界的操作。
- 实验结果显示，当前的双臂操作策略在多个方面仍存在挑战，尤其是在早期交互和仿真与现实世界的转移中。
📝 摘要（中文）
双臂机器人系统显著扩展了操作能力，但协调两个手臂引入了额外的控制复杂性和失败模式，这些在现有基准测试中未得到充分捕捉。我们提出了DuoBench，这是一个可扩展的双臂操作基准测试框架，适用于FR3 Duo平台。DuoBench包含涵盖四个协调类别的十一项任务，既在仿真中实现，也通过可重复的任务配方在现实世界中部分重现。此外，我们提出了一种基于阶段的评估方案，支持超越二元成功的细粒度语义失败分析，并为所有基准任务提供了人类遥控的数据集。我们在仿真和真实硬件上对多种双臂模仿学习和视觉-语言-动作策略进行了基准测试。结果表明，当前策略在双臂操作中仍面临挑战，特别是在早期交互阶段、并行手臂执行和仿真与现实世界设置之间的转移。DuoBench为诊断这些失败模式和研究未来的双臂策略学习方法提供了可重复的测试平台。
🔬 方法详解
问题定义：本论文旨在解决双臂机器人操作中的基准测试不足，现有方法无法有效捕捉双臂协调带来的复杂性和失败模式。
核心思路：提出DuoBench框架，通过设计多样化的任务和阶段性评估方案，提供更全面的双臂操作性能评估。
技术框架：DuoBench框架包括任务设计、评估方案和数据集三个主要模块，任务涵盖不同的协调类别，评估方案支持细粒度的失败分析。
关键创新：DuoBench的创新在于其阶段性评估机制，能够深入分析失败原因，而不仅仅是判断成功与否，这在现有方法中是缺乏的。
关键设计：在任务设计中，使用了可3D打印的资产和可重复的任务配方，确保了实验的可复现性和可扩展性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，当前的双臂模仿学习和视觉-语言-动作策略在早期交互阶段的成功率低于50%，并且在仿真与现实世界的转移中表现不佳。这些发现强调了DuoBench在识别和分析双臂操作中的失败模式的重要性。
🎯 应用场景
DuoBench的研究成果可广泛应用于机器人操作、自动化制造和人机协作等领域。通过提供一个标准化的测试平台，研究人员和工程师可以更有效地评估和优化双臂机器人系统的性能，推动相关技术的发展和应用。
📄 摘要（原文）
Bimanual robot systems substantially expand manipulation capabilities, but coordinating two arms introduces additional control complexity and failure modes that are not well captured by existing benchmarks. We introduce DuoBench, an extensible benchmarking framework for bimanual manipulation policies on the FR3 Duo platform. DuoBench comprises eleven tasks spanning four coordination categories, implemented in simulation and partially reproduced in the real world through reproducible task recipes with 3D-printable assets. In addition, we propose a stage-based evaluation scheme that supports fine-grained semantic failure analysis beyond binary success and provide human-teleoperated datasets for all benchmark tasks. We benchmark several dual-arm imitation-learning and vision-language-action policies in simulation and on real hardware. Our results show that current policies remain challenged by bimanual manipulation, particularly in early interaction stages, parallel arm execution, and transfer between simulation and real-world settings. DuoBench provides a reproducible testbed for diagnosing these failure modes and studying future methods for dual-arm policy learning. Code, datasets, and videos are available at https://duobench.github.io/