李飛飛團隊造保姆機器人!現(xiàn)如今機器人既能跑步又能后空翻,,但何時才能真正承擔起家務,,幫助人類養(yǎng)老呢,?李飛飛團隊帶來了具身智能研究的最新成果——一個解決機器人在家庭任務中全身操作問題的綜合框架,。其核心組件的成本不到500美元。
這個新框架名為BRS,,旨在攻克機器人執(zhí)行通用日常家庭移動操作任務這一難題,。通過一款新型雙臂移動機器人,BRS能夠完成多種家務活動,,如擰開門把手,、丟垃圾、整理貨架,、收拾客廳,、清洗馬桶等。即使在操作過程中出現(xiàn)失誤,,機器人也能自我糾正,。
網(wǎng)友們認為這標志著向?qū)崿F(xiàn)可通用的家庭機器人邁進了一大步。李飛飛團隊的核心目標是提升三項關(guān)鍵的全身控制能力:兩只機械手臂之間的協(xié)同配合,、穩(wěn)定精確的導航以及廣泛的末端執(zhí)行器操作范圍,。為了實現(xiàn)這些功能,團隊選擇了Galaxea R1機器人作為硬件平臺,,該機器人具備兩個6自由度的手臂,、4自由度的軀干和全向移動底座。
然而,,復雜的機器人設(shè)計給策略學習方法帶來挑戰(zhàn),,特別是在數(shù)據(jù)采集和全身協(xié)作方面。為此,,BRS提出了兩項關(guān)鍵創(chuàng)新:一種低成本全身遙操作接口JoyLo和新的學習算法WB-VIMA,。JoyLo利用基于操縱木偶的方法和任天堂Joy-Con控制器,實現(xiàn)了高效的全身控制,,并提供了豐富的用戶反饋,,優(yōu)化了策略學習數(shù)據(jù)質(zhì)量。在總成本不超過500美元的情況下,,JoyLo在R1機器人上表現(xiàn)出色,,包括高效的全身協(xié)調(diào)控制系統(tǒng)、直觀的遠程操作體驗和高質(zhì)量的示范動作,。
WB-VIMA學習算法則利用機器人的固有運動學層次結(jié)構(gòu)來建模全身動作,。通過自回歸全身動作去噪和多模態(tài)觀察注意力機制,WB-VIMA能有效學習協(xié)調(diào)的全身動作,。此外,,它解決了人形機器人中因微小錯誤導致末端執(zhí)行器顯著放大的問題,,通過分析上游組件的動作狀態(tài)和位置信息,推算下游組件的動作,,從而實現(xiàn)整體協(xié)調(diào),。
研究團隊評估了BRS在五個代表性家庭任務上的表現(xiàn),包括清潔房屋,、清潔廁所,、倒垃圾、放置物品到架子上和晾曬衣服,。結(jié)果表明,,BRS能成功完成這些任務。同時,,實驗驗證了JoyLo和WB-VIMA的有效性,。JoyLo在數(shù)據(jù)收集效率、策略學習適用性和用戶體驗方面表現(xiàn)出色,,而WB-VIMA在性能上優(yōu)于基線方法,。所有參與者都認為JoyLo是最友好的界面,且WB-VIMA在任務中的成功率更高,,出錯幾率更小。關(guān)于BRS框架的所有工作已全部開源,,感興趣的人可以進一步了解,。