Stanford 最新家务机器人

1. Mobile ALOHA 1

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

1.1 项目地址

https://mobile-aloha.github.io/

2. Mobile ALOHA 2

成本不到20万，联手谷歌DeepMind，完全开源

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

2.1 相关链接

论文地址：https://aloha-2.github.io/assets/aloha2.pdf

项目主页：https://aloha-2.github.io/

2.2 What’s upgraded in II ?

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：

1. 性能和任务范围：增强 ALOHA 性能的关键组件，包括夹持器和控制器，以实现更广泛的操控任务。

2. 用户友好性和人体工学：为了优化大规模数据收集，优先考虑用户体验和舒适度，包括改进用户界面系统的响应性和人体工学设计。

3. 稳健性：增加系统的稳健性，最大限度地减少因诊断和维修造成的停机时间。这就需要简化机械设计，并确保更大规模的机器人队伍在整体上易于维护。

根据上述目标，ALOHA 2 的具体改进如下：

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

Reference

https://mp.weixin.qq.com/s/neH70mPjuFQEQ8VPgjmrAA