Mobile ALOHA 2: An Enhanced Low-Cost Hardware for Bimanual Teleoperation

作者：weixin_40725706 | 2024-08-04 07:24:31

踩

aloha 2: an enhanced low-cost hardware for bimanual teleoperation

Stanford 最新家务机器人

1. Mobile ALOHA 1

在这里插入图片描述

Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation

在这里插入图片描述

成本不到20万，联手谷歌DeepMind，完全开源

在这里插入图片描述

谷歌 DeepMind 放出了相关论文《ALOHA 2: An Enhanced Low-Cost Hardware for Bimanual Teleoperation》。

在这里插入图片描述

在这里插入图片描述

为支持对复杂操作任务的研究，在 ALOHA 平台上扩大数据收集的规模成为目标之一，包括使用的机器人数量、每台机器人的数据收集小时数以及数据收集的多样性。这一扩展过程改变了相对于第一代 ALOHA 平台的要求和范围。

对于 ALOHA 2，除了在 ALOHA 平台的基础上建设，研究者还针对以下领域寻求进一步改进：

根据上述目标，ALOHA 2 的具体改进如下：

夹持器：研究者为领导机器人和跟随机器人的夹持器设计了新的低摩擦轨道。对于领导机器人，这改善了遥操作的人体工学和响应速度。对于跟随机器人，这改善了延迟和夹持器的力量输出。此外，他们还升级了手指上的抓胶带材料，以提高耐用性和抓取小物体的能力。
重力补偿：研究者使用现成的组件创建了一个被动的重力补偿机制，与 ALOHA 原有的抓带材料系统相比，这提高了耐用性。
框架：研究者简化了围绕工作单元的框架，同时保持了相机安装点的刚性。这些变化为人机协作者和机器人互动的道具提供了空间。
相机：ALOHA 2 使用更小的英特尔 RealSense D405 相机和定制的 3D 打印相机支架，以减小跟随臂的占地面积，从而减少对操作任务的阻碍。这些摄像头还具有更大的视场角、深度、全局快门和更多的定制功能。
模拟：研究者在 MuJoCo Menagerie 中的 MuJoCo 模型中模拟了 ALOHA 2 机器人的精确规格，从而改进了数据收集、策略学习和模拟评估，以应对具有挑战性的操纵任务。