摘要
湿实验室机器人能够提高生物医学实验的可重复性、通量和安全性，但扩展其学习能力需要可定制的仿真器，以安全和可重复的方式生成任务，开放可编辑的实验室资产，以及高效的管道，将有限的演示转化为可用的训练数据。我们提出了Pipette，一个针对湿实验室机器人学习的仿真平台、基准测试和数据高效增强框架。
Pipette提供了超过100个开源和可重新编辑的湿实验室资产，借助可扩展的资产构建管道，并内置腾讯混元支持，实现文本和图像条件的3D资产生成。同时，Pipette通过统一的仿真接口支持三种机器人臂的体现，用于任务构建、数据收集、增强和评估。
Pipette的一个关键组件是基于仿真的数据增强管道，它在仿真中重放人类演示，施加照明、相机、速度和动作扰动，并通过自动任务成功检查过滤生成的剧集，迅速扩展来自有限手动演示的可用训练数据。我们进一步介绍了一个包含12个任务的湿实验室体现基准，涵盖样品处理、培养器具操作、设备操作和精确放置。仅需每个任务30个演示，ACT便达到了60.3%的平均成功率，而仿真增强将SmolVLA的成功率从40.4%提升至71.8%，将pi0从37.3%提升至44.1%，验证了Pipette在数据高效的VLA训练和评估中的有效性。
Pipette还支持自然语言驱动的场景构建和任务注册，降低了非专家用户定义新湿实验室机器人任务的门槛。
博主点评： Pipette作为一个创新的平台，通过高效的数据增强和用户友好的界面，显著降低了湿实验室机器人学习的复杂性，具有广泛的应用潜力，尤其是在生物医学领域。其通过仿真加速数据生成的能力，将为机器人技术的普及提供强有力的支持。