Mobile ALOHA: 利用低成本全身远程操作系统学习复杂的双手移动操作技能 [译]

Mobile ALOHA: 利用低成本全身远程操作系统学习复杂的双手移动操作技能 [译]

💡 原文中文,约46100字,阅读约需110分钟。
📝

内容提要

该研究介绍了一个模仿学习系统,通过共同训练低成本的全身远程操作系统Mobile ALOHA和静态ALOHA数据集,提高机器人处理移动操作任务的能力。实验结果表明,共同训练可以提高机器人在多项任务中的成功率,并且在数据效率方面表现出良好的适应性。此外,研究还发现,Mobile ALOHA与其他模仿学习方法相兼容,并且共同训练可以提高这些方法的性能。

🔎

延伸解读

低成本硬件如何突破数据收集瓶颈

Mobile ALOHA 的核心贡献之一是将全身远程操作系统的成本降至 32,000 美元,远低于 PR2 等超过 20 万美元的平台。其设计巧妙利用带轮基座和腰部绳索连接,让操作者能同时控制双臂和移动底座,且无需昂贵的运动捕捉或触觉反馈设备。这种低成本方案使得普通研究实验室也能收集高质量的双手移动操作演示数据,为模仿学习在复杂任务中的应用扫除了硬件障碍。

共同训练:小数据下的性能跃升

文章发现,将 Mobile ALOHA 收集的少量任务数据与现有的静态 ALOHA 数据集(825 个演示)共同训练,能显著提升策略的成功率和数据效率。例如,仅用 35 次移动演示共同训练的策略,其性能可超过仅用 50 次移动演示训练的基线 20%。这种共同训练方法简单有效,且与 ACT、Diffusion Policy 等多种模仿学习算法兼容,为数据稀缺的移动操作任务提供了一条实用路径。

任务成功率揭示的局限与挑战

尽管共同训练在多数任务上表现优异,但“烹饪虾”任务的成功率仅为 40%,远低于其他任务。作者归因于该任务需要精细的铲子翻转和低对比度碗的放置,且仅收集了 20 个演示。这提示我们,对于长时程、高精度要求的任务,模仿学习仍面临数据效率和复合错误的挑战。此外,Mobile ALOHA 的固定臂高和较大占地面积也限制了其在狭窄空间和低矮家具场景下的应用。

❓

Q&A

Mobile ALOHA 是什么?它的主要用途是什么?

Mobile ALOHA 是一个低成本、全身远程操作系统,用于收集双手移动操作的数据。它基于原有的 ALOHA 系统增加了移动底座和全身操作界面,旨在通过模仿学习训练机器人执行复杂的移动操作任务。

Mobile ALOHA 的硬件成本是多少?相比其他系统有什么优势?

Mobile ALOHA 的总成本约为 32,000 美元,包括机载电源和计算设备。相比 PR2 和 TIAGo 等价格超过 20 万美元的双臂移动操控器,Mobile ALOHA 成本大幅降低,且开源了软件和硬件,提供了详细的教程。

共同训练(co-training)是如何提高 Mobile ALOHA 的任务成功率的?

共同训练将 Mobile ALOHA 收集的移动操作数据与现有的静态 ALOHA 数据集结合训练。实验表明,在多项任务中,共同训练使成功率显著提高,例如在擦拭红酒、呼叫电梯等任务中达到 95% 的成功率,平均比不采用共同训练提高 34%。

Mobile ALOHA 能够执行哪些类型的任务?请举例说明。

Mobile ALOHA 可以执行多种家庭任务,包括烹饪(如煎虾、炒菜)、清洁(如清洗锅子、擦拭红酒)、使用橱柜、呼叫电梯、推椅子以及人机互动(如击掌、递啤酒)等。

Mobile ALOHA 的远程操作系统是如何设计的?操作者如何控制移动底座和机械臂?

操作者通过物理连接与系统相连,腰部通过绳索与移动底座连接,通过推动轮子实现底座移动,同时双手操作 ALOHA 机械臂。系统记录底座的速度数据和手臂的关节位置,实现全身远程操控。

Mobile ALOHA 与现有的模仿学习方法(如 ACT、Diffusion Policy)兼容吗?效果如何?

是的,Mobile ALOHA 与 ACT、Diffusion Policy 和 VINN 等模仿学习方法兼容。实验显示,共同训练能进一步提升这些方法的性能,例如 Diffusion Policy 在擦拭红酒任务中成功率提高 30%,在推椅子任务中提高 20%。

Mobile ALOHA 有哪些局限性?未来的研究方向是什么?

局限性包括:占地面积较大(90cm x 135cm),难以通过狭窄路径;机械臂固定高度,难以触及低矮区域;目前仅支持单任务模仿学习,无法自主改进或探索新知识。未来计划减小体积、增加臂部升降自由度,并探索从次优数据中学习。

🏷️

标签

➡️

继续阅读