Mobile ALOHA

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，我们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，我们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。

我们感谢斯坦福机器人中心和Steve Cousins为我们的实验提供设施支持。我们还要感谢斯坦福IRIS实验室的成员：Lucy X. Shi和Tian Gao，以及斯坦福REAL实验室的成员：Cheng Chi、Zhenjia Xu、Yihuai Gao、Huy Ha、Zeyi Liu、Xiaomeng Xu、Chuer Pan和Shuran Song，为我们的实验提供了大量帮助。我们非常感谢Qingqing Zhao的摄影工作，以及来自Karl Pertsch、Boyuan Chen、Ziwen Zhuang、Quan Vuong和Fei Xia的反馈和有益讨论。这个项目得到了波士顿动力AI研究所和ONR赠款N00014-21-1-2685的支持。Zipeng Fu由斯坦福研究生奖学金支持。