全开源斯坦福Mobile ALOHA机器人，家务样样精通
人类示范的模仿学习在机器人技术中表现出令人印象深刻的性能。然而，大多数成果专注于桌面操作，缺乏执行一般实用任务所需的移动性和灵巧性。 在这项工作中，斯坦福Mobile ALOHA机器人团队开发了一个模仿移动操作任务的系统，这些任务是双手的，并且需要全身控制。 我们首先介绍Mobile ALOHA，这是一个低成本的全身远程操作系统，用于数据收集。它通过移动基座和全身远程操作界面增强了ALOHA系统。 使用Mobile ALOHA收集的数据，团队然后执行监督行为克隆，并发现与现有的静态ALOHA数据集共同训练可以提高移动操作任务的性能。 通过每项任务50次演示，共同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，例如煎炒并上菜一片虾、 打开双门墙橱存放重型烹饪锅具、呼叫并进入电梯、 以及使用厨房水龙头轻轻冲洗使用过的平底锅。
其双臂机器人通过模仿学习算法与静态ALOHA数据共同训练，仅用50个示教，成功实现了自主完成复杂的移动操作任务：机器人做家务。
此研究的重要性在于它不仅提供了一种新的数据收集方法，还展示了如何有效地利用已有的数据集进行迁移学习，以提高机器人在复杂环境中的操作能力。特别是在需要双手和全身控制的移动操作任务中，这种方法具有前景广阔的应用潜力。此外，Mobile ALOHA系统的低成本特性意味着它可以在实际应用中广泛部署，为各种机器人任务提供支持。可以说,该研究开拓了机器人技术新的可能性,尤其是模仿人类完成复杂动作方面的突破意义重大。
