本文介绍了LeRobot ACT和ALOHA ACT的智能分拣策略，重点在于动作序列预测算法的实现。通过多模态Transformer架构，模型能够同时预测未来动作，从而提升机器人在复杂任务中的协调性和连贯性。核心组件包括VAE编码器和Transformer解码器，支持多种输入特征，确保机器人执行精准的动作序列。

HOMIE是一种人形外骨骼驾驶舱，结合全身控制与远程操作，通过强化学习提升机器人行走和操作能力。系统包括外骨骼手臂、运动感应手套和踏板，支持高效精准控制，扩展机器人的操作空间。实验表明，HOMIE在复杂环境中表现优异，能够自主执行多样化任务。

ALOHA系统通过层次检索提升了多语言助手的能力，有效解决了大型语言模型在校园信息检索中的不足。该系统已服务超过12,000名用户，提供快速、准确的响应，展现出显著的影响潜力。

约翰霍普金斯大学和斯坦福大学合作研究了手术机器人Transformer，使用模仿学习实现手术任务自动化并解决运动学误差问题。研究者们通过收集高质量手术数据集，使用ACT和Diffusion Policy进行训练，并探索了使用腕部摄像头提高策略性能的方法。实验结果表明，模仿学习可以有效学习复杂手术任务并在新场景中推广。

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。

谷歌DeepMind推出Aloha Unleashed，机器人通过人工智能和低成本机器人挑战灵巧的极限，能自己折叠衣服、更换手指和系鞋带等任务。网友赞赏但提出修理机器人的问题，人工智能发展需要多样化方法和合作。

本文介绍了动作分块ACT算法的代码剖析与部署训练。文章详细解释了代码中各个文件的功能和作用，并提供了相关的代码示例。其中，主要介绍了ACT的训练与评估的主程序，以及创建策略模型对象、优化器和获取图像数据的函数。文章还提供了评估行为克隆模型的函数，并计算了成功率和平均回报。最后，文章提到了Mobile Aloha或Aloha软件层面代码的跑通与部署的内容。

本文介绍了斯坦福Mobile ALOHA机器人的三个关键技术：ACT、Diffusion Policy、VINN，以及ALOHA开源硬件系统。ACT是动作分块算法，Diffusion Policy解决复合误差问题，VINN用于任务学习。ALOHA是低成本的开源硬件系统，用于远程操作。

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。

本研究开发了一种用于模仿双手操作和需要全身控制的移动操作任务的系统，并提出了Mobile ALOHA作为数据收集的低成本全身远程操作系统。通过使用Mobile ALOHA收集的数据，进行了监督行为克隆，并发现合作训练可以提高移动操作任务的性能。每个任务使用50个示范，合作训练可以将成功率提高到90％，使Mobile ALOHA能够自主完成复杂的移动操作任务。

长久没怎么写推荐，近期逐渐补更。德系硬核燃曲 《Aloha Heja He》。 音乐地址：https://xiami.com/song/1801803511 The post Aloha Heja He – Achim Reichel first appeared on Blog of Music.