HumanPlus——斯坦福ALOHA团队开源的人形机器人：融合影子学习技术、RL、模仿学习
💡
原文中文，约10400字，阅读约需25分钟。
📝
内容提要
斯坦福大学的Moblie aloha团队开源了人形机器人HumanPlus，通过学习人类数据实现全身控制和高自由度控制。该机器人可以完成穿鞋、行走、折叠运动衫等任务。
🎯
关键要点
- 斯坦福大学Moblie aloha团队开源了人形机器人HumanPlus。
- HumanPlus通过学习人类数据实现全身控制和高自由度控制。
- 该机器人能够完成穿鞋、行走、折叠运动衫等任务。
- HumanPlus的核心是实时影子系统和模仿学习算法。
- 影子系统允许人类操作员使用RGB摄像头进行远程操作。
- 机器人可以模仿人类的快速、多样动作，如拳击和打乒乓球。
- 使用40小时的人类运动数据集进行强化学习训练。
- HumanPlus解决了人形机器人学习中的复杂动态和高维状态问题。
- 提出了Humanoid Shadowing Transformer作为低级控制策略。
- 使用实时人体姿态估计和重定向技术进行影子跟踪。
- 通过模仿学习收集现实世界数据以训练技能策略。
- HumanPlus机器人具有33个自由度，能够自主完成多种任务。
- 使用基于Transformer的架构进行动作预测和前向动力学预测。
- HIT（Humanoid Imitation Transformer）用于技能策略，结合了图像特征和本体感受。
❓
延伸问答
HumanPlus机器人是如何实现全身控制的？
HumanPlus通过学习人类数据，结合实时影子系统和模仿学习算法，实现全身控制和高自由度控制。
HumanPlus机器人可以完成哪些具体任务？
HumanPlus能够完成穿鞋、行走、折叠运动衫、打字等多种任务。
HumanPlus的影子系统是如何工作的？
影子系统允许人类操作员通过RGB摄像头远程操作机器人，收集全身数据以学习不同任务。
HumanPlus使用了什么样的数据集进行训练？
HumanPlus使用了40小时的人类运动数据集进行强化学习训练。
HumanPlus的模仿学习算法有什么特点？
模仿学习算法能够通过少量演示高效学习复杂动作，成功率可达60-100%。
HumanPlus的自由度有多少？
HumanPlus机器人具有33个自由度。
➡️
