机器之心数据服务现已上线，提供高效稳定的数据获取，简化爬取流程。

本研究提出RoboTwin框架，旨在解决双臂机器人在复杂物体操控中的数据稀缺和评估不足问题。通过3D生成模型和大型语言模型，创建多样化的专家数据集，显著提高双臂机器人操作的成功率，单臂任务提升超过70%，双臂任务提升超过40%。

RLBench是一个机器人学习基准，旨在加速视觉导向操作研究。RoboNet是一个开放数据库，结合视觉先见性和逆模型，提升机器人操作的泛化能力。新基准测试如ManiSkill2和COLOSSEUM评估机器人在不同环境下的表现。此外，研究提出了基于强化学习的双臂任务指派策略，优化执行效率。RoboCasa框架用于在厨房环境中训练通用机器人，展示合成数据在模仿学习中的潜力。