CoHuB: A Simulation Benchmark for Multi-Humanoid Collaboration

📄 arXiv: 2609.34782v1 📥 PDF

作者: Hyunjin Park, Jebeom Chae, Minwoo Park, Sunghyun Park, Hanjun Yoo, Seoyeon Choi, Soochul Yoo, Joohwan Seo, Sarmad Idrees, Jae-Sang Hyun, Jongmin Lee, Roberto Horowitz, Youngwoon Lee, Jongeun Choi

分类: cs.RO, cs.AI, cs.CV, cs.LG

发布日期: 2026-09-28

备注: Project page: https://meat124.github.io/CoHuB/

💡 一句话要点

提出CoHuB以解决多类人形机器人协作评估问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱六：视频提取与匹配 (Video Extraction)

关键词: 多机器人协作 人形机器人 仿真基准 自我中心视觉 视觉运动策略 任务评估 协调感知 控制策略

📋 核心要点

  1. 现有的人形机器人基准主要关注单一机器人技能，缺乏对多机器人协作的系统评估，导致在复杂任务中的应用受限。
  2. 本文提出CoHuB基准，专注于在自我中心视觉下的多机器人协作，提供多样化的任务和同步演示以支持研究。
  3. 实验结果表明，现有的视觉运动策略在多机器人协作中面临显著挑战，为未来的研究提供了重要的参考和基础。

📝 摘要（中文）

许多物理任务需要人形机器人在复杂环境中进行协作，但现有的人形机器人基准主要集中于单一技能，缺乏对多机器人协作的评估。本文提出了CoHuB（协作多人形机器人基准），这是一个针对多机器人协作的仿真基准，特别是在自我中心视觉观察下。CoHuB提供了10个任务，其中8个涉及两个机器人，2个涉及三个机器人，涵盖了多样的协作模式。同时，研究团队通过多操作员虚拟现实遥控管道收集了同步演示，展示了不同形式的协调感知和控制所面临的挑战。CoHuB为多机器人协作策略的开发和评估奠定了基础。

🔬 方法详解

问题定义：本文旨在解决现有基准在多机器人协作评估中的不足，尤其是在自我中心视觉观察下的协作任务评估。现有方法未能有效支持多机器人协作的复杂性和多样性。

核心思路：CoHuB基准通过设计多样化的任务和提供同步演示，旨在全面评估多机器人在协作过程中的表现，特别是在视觉感知和控制方面的协调能力。

技术框架：CoHuB的整体架构包括任务设计、数据收集和评估模块。任务设计涵盖了不同的协作模式，数据收集通过多操作员的虚拟现实遥控进行，评估模块则分析机器人在协作任务中的表现。

关键创新：CoHuB的主要创新在于其针对多机器人协作的专门设计，尤其是在自我中心视觉下的任务评估，这与现有基准的单一机器人评估形成鲜明对比。

关键设计：在任务设计中，设置了不同的协作模式和难度级别；在数据收集过程中，采用了多操作员控制的方式以确保演示的同步性和真实性；评估指标则涵盖了协调感知和控制的多维度表现。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，代表性的视觉运动策略在多机器人协作任务中面临显著挑战，尤其是在协调感知和控制方面。通过CoHuB基准，研究人员能够识别出具体的性能瓶颈，为未来的算法改进提供了重要依据。

🎯 应用场景

CoHuB基准的潜在应用领域包括人形机器人在家庭、工业和服务等场景中的协作任务。通过提供标准化的评估框架，研究人员可以更有效地开发和优化多机器人协作策略，从而提升机器人在复杂环境中的实用性和效率。

📄 摘要（原文）

Many physical tasks in human environments require collaboration, from assisting a partner to jointly manipulating an object. Yet, existing humanoid benchmarks largely focus on single-humanoid skills and lack evaluation of multi-humanoid collaboration under egocentric visual observations. We introduce CoHuB (Collaborative Multi-Humanoid Benchmark), a simulation benchmark for multi-humanoid collaboration under egocentric visual observations. CoHuB provides 10 tasks, eight with two humanoids and two with three humanoids, spanning diverse collaboration patterns. We also provide synchronized demonstrations collected through a multi-operator VR teleoperation pipeline, in which each operator controls one humanoid from its egocentric view. Experiments with representative visuomotor policies reveal substantial challenges across different forms of coordinated perception and control. CoHuB provides a foundation for developing and evaluating multi-humanoid collaboration policies.