DualTHOR: Neue Simulationsumgebung für humanoide Roboter mit zwei Armen

DualTHOR: Eine Simulationsumgebung für humanoide Roboter mit zwei Armen

Die Entwicklung von KI-gesteuerten Robotern, die komplexe Aufgaben in realistischen Umgebungen bewältigen können, stellt die Forschung weiterhin vor große Herausforderungen. Simulationsumgebungen spielen dabei eine entscheidende Rolle, da sie sicheres und wiederholbares Training ermöglichen. Ein neuer Ansatz in diesem Bereich ist DualTHOR, eine Simulationsumgebung speziell für humanoide Roboter mit zwei Armen.

DualTHOR basiert auf einer Erweiterung von AI2-THOR, einer etablierten Simulationsplattform für Embodied AI. Im Gegensatz zu vielen existierenden Simulatoren, die oft vereinfachte Robotermodelle verwenden, integriert DualTHOR realistische Robotermodelle mit detaillierten physikalischen Eigenschaften. Dies ermöglicht ein Training unter Bedingungen, die der realen Welt näher kommen und somit die Übertragbarkeit der trainierten Modelle auf physische Roboter verbessern.

Zweiarmigkeit und Kontingenzmechanismus

Ein zentraler Aspekt von DualTHOR ist die Fokussierung auf die Koordination von zwei Armen. Die Simulationsplattform bietet eine Reihe von Aufgaben, die speziell auf die Zusammenarbeit beider Arme ausgelegt sind. Dies ist essentiell, da viele alltägliche Aufgaben, wie das Hantieren mit Objekten oder das Öffnen von Türen, die koordinierte Bewegung beider Arme erfordern.

Ein weiterer wichtiger Bestandteil von DualTHOR ist der sogenannte Kontingenzmechanismus. Dieser Mechanismus simuliert potenzielle Fehler und unerwartete Ereignisse während der Ausführung von Aufgaben. Durch die Integration von physikalisch basierter Simulation können beispielsweise Objekte herunterfallen oder Aufgaben aufgrund von ungenauen Bewegungen fehlschlagen. Dieser realitätsnahe Ansatz trägt dazu bei, robustere und fehlertolerantere KI-Modelle zu trainieren.

Evaluierung und Ausblick

Erste Tests mit existierenden Vision Language Models (VLMs) in DualTHOR haben gezeigt, dass die Koordination von zwei Armen und die Robustheit gegenüber unvorhergesehenen Ereignissen immer noch erhebliche Herausforderungen darstellen. Dies unterstreicht die Bedeutung von Simulationsplattformen wie DualTHOR für die Weiterentwicklung von Embodied AI.

DualTHOR bietet Forschern ein wertvolles Werkzeug, um die Grenzen der aktuellen KI-Modelle zu erforschen und neue Algorithmen für die Steuerung humanoider Roboter zu entwickeln. Die Plattform ermöglicht ein umfassenderes Training und eine realistischere Evaluierung von VLMs in Haushaltsumgebungen. Die Integration von realistischen Robotermodellen, die Fokussierung auf Zweiarmigkeit und der Kontingenzmechanismus tragen dazu bei, die Lücke zwischen Simulation und realer Welt zu schließen.

Mit der Veröffentlichung des Quellcodes auf GitHub wird DualTHOR der Forschungsgemeinschaft zugänglich gemacht und kann zur Weiterentwicklung von Embodied AI beitragen. Die Plattform hat das Potenzial, die Entwicklung von robusteren und leistungsfähigeren humanoiden Robotern zu beschleunigen, die in der Lage sind, komplexe Aufgaben in unserer Welt zu bewältigen.

Bibliographie:

1. https://arxiv.org/abs/2506.16012
2. https://arxiv.org/html/2506.16012v1
3. https://papers.cool/arxiv/2506.16012
4. https://www.aimodels.fyi/papers/arxiv/dualthor-dual-arm-humanoid-simulation-platform-contingency
5. http://paperreading.club/page?id=318170
6. https://www.interact.kit.edu/downloads/Humanoid_Motion_Planning_for_Dual-Arm_Manipulation_and_Re-Grasping_Tasks.pdf
7. https://www.researchgate.net/publication/329181100_Learning_Dual_Arm_Coordinated_Reachability_Tasks_in_a_Humanoid_Robot_with_Articulated_Torso
8. https://rmc.dlr.de/rm/de/staff/extcms/images/rmc/users/hillenbd/Karlsson_etal_12a.pdf
9. https://www.researchgate.net/publication/385188441_Real-Time_Interactive_Capabilities_of_Dual-Arm_Systems_for_Humanoid_Robots_in_Unstructured_Environments
10. https://www.atlantis-press.com/proceedings/icmse-15/25845753