Mobile ALOHA：利用低成本全身遥操作学习双臂移动操作
机器人学
2024-01-05 v1 人工智能
计算机视觉与模式识别
机器学习
系统与控制
系统与控制
摘要
从人类演示中进行的模仿学习在机器人领域展现出了令人印象深刻的性能。然而，大多数成果集中于桌面操作，缺乏完成一般实用任务所需的移动性和灵巧性。在这项工作中，我们开发了一个用于模仿双臂且需要全身控制的移动操作任务的系统。我们首先提出了 Mobile ALOHA，一个用于数据收集的低成本全身遥操作系统。它通过增加移动底座和全身遥操作接口来扩展 ALOHA 系统。使用 Mobile ALOHA 收集的数据，我们随后进行了监督行为克隆，并发现与现有的静态 ALOHA 数据集进行协同训练可以提升移动操作任务的性能。每个任务仅需 50 次演示，协同训练可将成功率提高多达 90%，使 Mobile ALOHA 能够自主完成复杂的移动操作任务，例如煎炒并盛放一只虾、打开双门壁柜以存放重烹饪锅、呼叫并进入电梯，以及使用厨房水龙头轻轻冲洗用过的平底锅。项目网站：https://mobile-aloha.github.io
引用
@article{arxiv.2401.02117,
title = {Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation},
author = {Zipeng Fu and Tony Z. Zhao and Chelsea Finn},
journal= {arXiv preprint arXiv:2401.02117},
year = {2024}
}
备注
Project website: https://mobile-aloha.github.io (Zipeng Fu and Tony Z. Zhao are project co-leads, Chelsea Finn is the advisor)