ToddlerBot：面向运动-操作的开源机器学习兼容人形平台

由数据驱动的基于学习的机器人研究需要一种新的机器人硬件设计方法——一种既作为策略执行平台，又作为具身数据收集工具以训练策略的设计。我们介绍了ToddlerBot，一个低成本、开源的人形机器人平台，旨在用于机器人学和人工智能领域的可扩展策略学习与研究。ToddlerBot能够无缝获取高质量的仿真和真实世界数据。即插即用的零点标定和可迁移的电机系统辨识确保了高保真度的数字孪生，从而实现了从仿真到真实世界的零样本策略迁移。一个用户友好的遥操作界面简化了真实世界数据收集，用于从人类演示中学习运动技能。利用其数据收集能力和拟人化设计，ToddlerBot是执行全身运动-操作的理想平台。此外，ToddlerBot紧凑的尺寸（0.56米，3.4公斤）确保了在真实世界环境中的安全操作。通过完全3D打印的开源设计和商用组件实现了可复现性，总成本控制在6000美元以下。全面的文档允许具备基本技术专长的人员进行组装和维护，这一点已通过系统的成功独立复现得到验证。我们通过臂展、有效载荷、耐力测试、运动-操作任务以及两个机器人一起整理玩具的协作长时域场景，展示了ToddlerBot的能力。通过推进机器学习兼容性、能力和可复现性，ToddlerBot为机器人研究中的可扩展学习和动态策略执行提供了一个强大的平台。