江西上饶百亿引导基金招募GP
06-18
傅盛表示，“2020年是人类历史上的第三个奇迹年”。
这一年，大模型盛行，人工智能爆发，尤其是体现智能领域的突破。
机器人有更多的想象空间。
整个机器人行业都在摩拳擦掌，希望在这样的有利背景下有所作为，以免错失良机。
随着新年的临近，也就是新年的第一周，斯坦福大学的研究团队又公开了另一个开源项目，一个名为“Mobile ALOHA”的机器人开源项目。
在这个开源项目中，一个配备手臂的“机器人”可以叠被子、做家务，甚至学会做饭。
尤其是它发布了几段忙忙碌碌的视频后，在各个短视频广泛传播，让很多人疑惑，这不就是我们梦想中的保姆机器人吗？ 然而，就像波士顿动力超级机器人当年跑酷迪斯科跳跃一样，斯坦福大学研究团队的这个项目的魔力在今天失焦的媒体视角下再次被神话化。
面对如此出乎意料的反应，就连Mobile ALOHA项目联合负责人Tony Z.Zhao也亲自在推特上发布了一段Mobile ALOHA任务失败的视频，并表示：“机器人还没有准备好接管世界！”一波热度将Mobile ALOHA推上了风口浪尖，一场闹剧让该项目面临质疑。
事实上，如果你花一些时间阅读这篇论文，你会发现Mobile ALOHA是一个很好的开源项目，也是一个与当前主流愿景中的体现智能略有不同的机器人项目。
01.什么是移动ALOHA？ 看过短视频的人都知道：Mobile ALOHA是一个可以做家务、可以煎鸡蛋、可以煮饭的机器人。
这个机器人能完成的这些任务，正是家庭保姆机器人所需要的技能。
。
正因为如此，Mobile ALOHA一度被认为是保姆机器人的雏形，甚至被认为是未来几年推动保姆机器人出现的关键。
事实上，论文作者并没有想那么多。
本文将Mobile ALOHA在硬件上定义为“一种用于采集双臂运动数据的低成本全身远程操作系统”。
这个机器人，也就是这个系统，主要由以下几个部分组成： 移动底座——AGV机器人；供电系统——1.26kW·h、14kg电池；控制系统 - NVIDIA 显卡和配备 Intel i7-0H 的笔记本电脑；运动系统——两个机械臂；视觉系统 - 3 个分辨率为 x 且频率为 50Hz 的相机。
这样的硬件配置创建了可以在家庭环境中实现如上所述的许多功能的机器人。
最关键的点其实有两点： *、机器人的移动性。
看过锌业之前文章的人应该都知道，在机器人领域，除了工业机械臂之外，还有两类机器人已经相当成熟：一类是用于家庭地面清洁场景的扫地机器人，另一类是家用扫地机器人。
应用于家庭地面清洁场景。
AGV在仓储和搬运场景中的应用。
事实上，正是定位、导航、路径规划等与机器人移动相关的技术的成熟，推动了近十年来这两类产品的逐渐普及。
在移动底盘方面，Mobile ALOHA直接选用了市场上成熟的AGV产品，解决机器人在家庭环境中的移动性问题。
其次，机器人的运动控制能力。
这主要指的是机械臂的运动控制，这也是开源项目Mobile ALOHA的独特之处和技术含量。
与目前使用强化学习模型、大型模型等驱动机器人自主识别（感知）环境并执行（决策）任务不同：移动ALOHA仍然采用更直接的“模仿学习”——通过人类操作机器人，机器人学习模仿人类行为，形成机器人的行为逻辑。
在该项目发布的视频中，人类操作机械臂的场景实际上是人类进行模仿学习的教学过程，也是机器人模仿学习中最关键的一步。
正是通过这样的方法论，Mobile ALOHA在处理日常家务时，只需要人类经过50次演示训练，就能达到80%以上的成功率。
02、令人头疼的“虾仁炒蛋” 本文作者对Mobile ALOHA进行了7个任务的训练和研究，即擦红酒、煎虾、漂锅、存放锅具、叫电梯。
，婴儿车，高五。
在最后的演示视频中，最令人惊讶的是Mobile ALOHA居然可以做出让很多硬汉们摸不着头脑的滑虾。
然而，让机器人做这样的菜并不像想象的那么容易。
除了要求人类教学让机器人模仿和学习之外，作者还为Mobile ALOHA导入了静态数据集。
该数据集包含任务的双臂执行数据。
但该任务的双臂执行数据与Mobile ALOHA要执行的任务不同。
甚至产生这些数据的机器人原型也与Mobile ALOHA双臂的安装位置不同。
科学研究是一条漫长的路，一切成熟技术的顺利应用都是众多科学家不断积累和几代人在前人研究成果的基础上不断创新的结果。
Mobile ALOHA能否基于现有数据集和模仿学习掌握更好的操作能力也是本文试图解释的一个重要问题。
实际实验过程中，通过在原始数据集上加入模仿学习方法，执行“推椅子”、“擦红酒”等任务的能力显着提升，系统具有更强的泛化能力。
具体来说，当桌子下面放一排5把椅子时，推第4把和第5把椅子时，这种方法的成功率分别提高了15%和89%。
从实验中整体任务执行成功率来看，经过50次教导（20次击掌），擦红酒、叫电梯、击掌、存放锅具、冲洗锅具、推6个任务的成功率椅子的利用率分别达到95%、95%、85%、85%、80%、80%。
然而，最令人惊叹的75秒长的艰巨烹饪任务——鸡蛋做虾，其实Mobile ALOHA的任务执行成功率只有40%。
也就是说，当我们看到Mobile ALOHA制作出美味的虾菜和光滑的鸡蛋时，这也是一个低概率的事件。
看来“虾仁炒鸡蛋”不仅让人类摸不着头脑，现在也让机器人摸不着头脑。
03、斯坦福提醒机器人，做不好“虾炒蛋”也没关系。
毕竟，这不是斯坦福研究团队能够单独解决的问题。
事实上，这并不是他们想要解决的问题。
他们想要解决的是目前双臂机器人运动控制的研究方法是否可以更进一步——验证静态数据集和不同模仿学习算法联合训练的可行性。
从这一点来看，他们做到了。
在一系列实验中，他们验证了三种重要的模仿学习算法ACT、Diffusion Policy和VINN显着提高了Mobile ALOHA上任务执行的成功率。
更重要的是，他们搭建的平台仅花费3.2万美元（约合人民币22.7万元）。
此前，与Mobile ALOHA类似的双臂机器人平台PR2和TIAGo的价格普遍在20万美元（约合人民币1万元）以上。
也就是说，斯坦福研究团队验证了一个想法，为机器人手臂运动控制的研究提供了一个更便宜的研究平台。
虽然直接打造一个厨师机器人甚至保姆机器人并没有大家想象的那么酷，但是这样一套开源平台和算法的效果，尤其是现在大型模型神话般的情况，已经让大家重新意识到了模仿学习。
对于机器人的重要性。
同时也为后续机器人乃至仿人机器人上肢运动控制的研究提供了新的思路。
而且，这是中国科学家团队的另一个开源项目。
【本文由投资界合作伙伴微信公众号授权：锌业。
本平台仅提供信息存储服务。
】如有任何疑问，请联系投资界（）。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态