模仿学习的集中爆发：从Dobb·E、Gello到斯坦福Mobile ALOHA/UMI、FMB、DexCap
内容提要
斯坦福大学研究团队开发了一款名为Mobile ALOHA的家务机器人，具有移动性、稳定性和全身遥控操作等特点。该机器人使用低成本全身远程操作系统进行数据收集，并通过有监督的行为克隆进行训练，成功率可达90%。研究者还开源了该机器人的软件和硬件部件。
延伸解读
低成本全身遥操作：数据采集的关键
Mobile ALOHA 的核心创新之一是用低成本硬件实现全身遥操作。相比 PR2、TIAGo 等价格超过 20 万美元的即插即用系统，它通过移动底座和全身遥控界面，让操作员能同时控制双臂和底盘，并以约 1.42 米/秒的速度移动。这种设计降低了数据采集门槛，使研究者能针对炒虾、开柜、按电梯等需要全身协调的任务收集演示数据，而无需依赖昂贵平台。
协同训练：静态数据提升移动操作成功率
研究者在 Mobile ALOHA 采集的数据上做有监督行为克隆，并与现有静态 ALOHA 数据集协同训练。静态数据集包含 825 个示范，涵盖密封袋、拿叉子、使用咖啡机等桌面任务。尽管静态数据在黑色桌面、双臂相对固定的设置下采集，与移动场景存在背景和臂位差异，但协同训练仍能将每个任务（50 次演示）的成功率提升至最高 90%，说明复用已有数据有助于移动操作学习。
硬件开源与可维修性：复现门槛降低
Mobile ALOHA 继承了原始 ALOHA 系统低成本、灵巧、可维修的双臂遥操作特点，并扩展到桌面之外。研究者开源了所有软件和硬件部件，提供三维打印、组装和软件安装教程。其机械臂可覆盖离地 65 至 200 厘米高度，伸出底座 100 厘米，能举起 1.5 千克物体，并在 1.5 米高处施加 100 牛拉力。这些规格和开源资料让其他团队有机会复现并适配家庭任务。
任务选择反映现实家庭场景的多样性
研究者选取了 7 个任务进行测试：擦拭葡萄酒、煮虾、冲洗锅、使用橱柜、呼叫电梯、推椅子和击掌。这些任务覆盖了物体操作、移动导航、人机交互等不同功能，旨在检验系统在现实应用中的泛化能力。例如炒虾和冲洗锅需要双臂协调与移动底座配合，呼叫电梯涉及环境交互，击掌则测试人机互动。任务设计表明，评估重点不仅是单一桌面操作，而是全身移动操作的综合表现。
Q&A
Mobile ALOHA是什么？它有什么特点？
Mobile ALOHA是斯坦福大学研究团队开发的一款家务机器人，具有移动性、稳定性和全身遥控操作等特点。它使用低成本全身远程操作系统进行数据收集，并通过有监督的行为克隆进行训练，成功率可达90%。
Mobile ALOHA是如何训练和收集数据的？
Mobile ALOHA通过低成本全身远程操作系统收集人类示范数据，每个任务包含50次演示。然后利用这些数据进行有监督的行为克隆，并与现有的静态ALOHA数据集进行协同训练，以提高移动操作任务的性能。
Mobile ALOHA能完成哪些家务任务？
Mobile ALOHA能够完成多种家务任务，如炒虾、打开双门壁柜存放沉重的烹饪锅、呼叫并进入电梯、使用厨房水龙头轻轻冲洗用过的平底锅等。研究者选择了7个任务进行测试，涵盖了现实应用中的多种功能和交互。
Mobile ALOHA的硬件设计有哪些亮点？
Mobile ALOHA的硬件设计亮点包括：移动底座使移动速度与人类行走速度相当（约1.42米/秒）；稳定性高，能操作重型家用物品；全身遥控操作，所有自由度可同时遥控；无绳设计，具有机载电源和计算设备（Nvidia 3070 Ti GPU和Intel i7-12800H）。机械手垂直高度65-200厘米，可伸出底座100厘米，能举起1.5千克物体。
Mobile ALOHA是开源的吗？如何获取制作资料？
是的，研究者开源了Mobile ALOHA的所有软件和硬件部件，并提供了详细的教程，包括三维打印、组装和软件安装。
Mobile ALOHA的成功率如何？协同训练有什么作用？
经过协同训练后，Mobile ALOHA在移动操作任务上的成功率可达到90%。协同训练利用现有的静态ALOHA数据集（包含825个示范动作）来提高移动操作的模仿学习性能，尤其是双臂动作。
