论文翻译及技术内容解释论文题目：RoboCasa: 大型规模模拟日常生活任务，用于训练通用型机器人摘要 (Abstract) 翻译：

摘要 - 近期人工智能 (AI) 的进步很大程度上得益于大规模数据的应用。

在机器人领域，由于缺乏海量机器人数据集，数据规模扩展受到了限制。

我们主张使用逼真的物理仿真作为一种手段来扩展环境、任务和数据集，用于机器人学习方法。

我们提出了 RoboCasa，这是一个用于在日常环境中训练通用型机器人的大规模仿真框架。RoboCasa 具有逼真且多样化的场景，重点关注厨房环境。我们提供了涵盖 150 多个对象类别和数十种可交互家具和电器的数千个 3D 资源。

我们利用文本转 3D 模型生成物体资源和文本转图像模型生成环境纹理等生成式人工智能工具来丰富模拟的真实性和多样性。我们设计了一组 100 个任务用于系统评估，其中包括由大型语言模型指导生成的复合任务。

为了促进学习，我们提供高质量的人工演示，并集成自动轨迹生成方法，以极少的人力负担大幅扩展我们的数据集。我们的实验表明，使用合成生成的机器人数据进行大规模模仿学习存在明显的扩展趋势，并且在利用仿真数据执行真实世界任务方面显示出巨大潜力。项目网站上提供了视频和开源代码。

技术内容解释：

这篇文章介绍了 RoboCasa，一个用于训练通用型机器人的大规模仿真框架。

传统上，训练机器人模型需要大量真实世界的机器人数据，但收集这些数据成本高昂且耗时。RoboCasa 通过机器人仿真来解决这个问题。

RoboCasa 的主要特点:

逼真且多样化的场景: RoboCasa 关注厨房环境，并提供了各种各样的厨房布局和样式，以模拟真实世界的多样性。丰富的对象资源: RoboCasa 提供了数千个 3D 对象资源，涵盖 150 多个类别，包括家具、电器等。生成式人工智能工具: RoboCasa 利用文本转 3D 模型和文本转图像模型等生成式人工智能工具来创建新的对象和环境纹理。任务设计: RoboCasa 设计了一套 100 个任务用于评估机器人性能，其中包括基本的原子操作和由大型语言模型辅助生成的复合任务。数据集: RoboCasa 提供了包含真人演示和自动生成轨迹的大型多任务数据集，用于训练机器人模型。

RoboCasa 的优势:

降低数据收集成本: 使用仿真可以大大降低收集机器人训练数据所需的成本和时间。提高数据多样性: 仿真可以模拟各种各样的场景和任务，从而提高训练数据的多样性。加速机器人学习研究: 仿真可以加速机器人学习研究的进程，使研究人员能够快速验证新想法。

RoboCasa 的工作原理:

创建逼真且多样化的仿真环境: RoboCasa 基于 RoboSuite 框架构建，并提供了各种各样的厨房场景、对象和机器人模型。设计任务: RoboCasa 设计了一套 100 个任务用于评估机器人性能，其中包括基本的原子操作 (例如抓取放置物体) 和复杂的复合任务 (例如洗碗、煎炸食物)。生成数据集: RoboCasa 提供了包含真人演示和自动生成轨迹的大型多任务数据集，用于训练机器人模型。训练机器人模型: 使用包含真人演示和自动生成轨迹的数据集来训练机器人模型。总结

RoboCasa 是一个用于训练通用型机器人的大规模仿真框架。它通过提供逼真且多样化的仿真环境、丰富的对象资源和生成式人工智能工具，可以帮助研究人员降低数据收集成本、提高数据多样性并加速机器人学习研究.