烹饪几道美食手到拈来，一会儿功夫速成大餐：滑蛋虾仁、蚝油生菜、干贝烧鸡，不知道的还以为是真人厨师做成的：

　　打蛋环节还知道要把蛋壳丢到一边，看样子是个讲究的机器人，再也不怕吃煎蛋时意外吃到蛋壳的惊吓了：

　　还不忘给蚝油生菜注入灵魂蒜末。这次咱不用菜刀拍蒜，普通的水果刀也能切出蒜泥来，可见刀功了得：

　　将洗好的衣服进行悬挂，机器人能精准地找到拉链，把拉链扣扣在一起，帮你拉好衣服，然后悬挂起来：

　　其中，Zipeng Fu 为项目共同负责人，他是斯坦福大学 AI 实验室的计算机科学博士生，师从 Chelsea Finn 教授；Tony Z. Zhao 也是斯坦福大学的计算机科学博士生，导师也是 Chelsea Finn。他们三个人共同完成了这项研究。

　　根据机器人的材料清单来看，这款机器人的总成本约为 32000 美元，折合人民币约 22 万，软件和硬件全部开源。

　　在机器人技术领域，从人类示范中进行的模仿学习已经取得了令人瞩目的成绩。然而，大多数成果都集中在桌面操作上，缺乏完成一般任务的移动性和灵活性。那这位价值 32000 美元（约 22 万元）的私人管家兼「御用」大厨是怎么完成这些灵活且细致的工作的呢？我们一起看看隐藏在它背后的技术细节。

　　在这项工作中，研究者开发了一套系统，用于模仿需要全身控制的双臂移动操作任务。用于数据收集的全身远程操纵系统是移动 ALOHA。它通过一个移动底座和一个全身远程操作界面增强了 ALOHA 系统。利用 Mobile ALOHA 收集的数据，该研究进行了有监督的行为克隆，并发现与现有静态 ALOHA 数据集进行联合训练可提高移动操作任务的性能。

　　通过对每个任务进行 50 次演示，联合训练可将成功率提高 90%，从而使 Mobile ALOHA 能够自主完成复杂的移动操作任务，例如炒虾、打开双门壁柜存放沉重的烹饪锅、呼叫并进入电梯以及使用厨房水龙头轻轻冲洗用过的平底锅。

　　Mobile ALOHA 是一种低成本的移动机械手，可以执行各种家庭任务。Mobile ALOHA 继承了原始 ALOHA 系统的优点，即低成本、灵巧、可维修的双臂远程操作装置，同时将其功能扩展到桌面操作之外。研究者在研究过程中重点考虑了四个关键因素

　　图 2（中）中的数据表明，机械手相对于地面的垂直高度为 65 厘米至 200 厘米，可伸出底座 100 厘米，可举起 1.5 千克重的物体，并可在 1.5 米高处施加 100 牛的拉力。这样的设计让 Mobile ALOHA 可以完成很多任务，包括实物烹饪、家务管理、人机互动等。

　　图 2（右）中列出了 Mobile ALOHA 的更多技术规格。除了现成的机器人外，研究者还开源了所有的软件和硬件部件，并提供了详细的教程，包括三维打印、组装和软件安装。我们可以在项目页面找到这些信息。

　　研究者在这项工作中使用联合训练 pipeline，利用现有的静态 ALOHA 数据集来提高移动操作的模仿学习性能，尤其是双臂动作。静态 ALOHA 数据集总共有 825 个示范动作，任务包括密封密封袋、拿起叉子、包装糖果、撕纸巾、打开带盖塑料瓶、玩乒乓球、分发胶带、使用咖啡机、交接铅笔和操作螺丝刀等。

　　需要注意的是，静态 ALOHA 数据都是在黑色桌面上收集的，两只手臂固定朝向对方。这种设置与移动 ALOHA 不同，移动 ALOHA 的背景会随着移动底座的变化而变化，两臂平行朝前放置。在联合训练中，研究者没有对静态 ALOHA 数据中的 RGB 观察结果或双臂动作使用任何特殊的数据处理技术。

　　研究者选择了 7 个任务，它们涵盖了现实应用中可能出现的各种功能、对象和交互。图 3 举例说明了这些任务，它们分别是擦拭葡萄酒、煮虾、冲洗锅、使用橱柜、呼叫电梯、推椅子和击掌。

　　（1）Mobile ALOHA 能否通过协同训练和少量的移动操控数据获得复杂的移动操控技能？

　　表 1 为协同训练提高 ACT 的结果。在协同训练的帮助下，机器人擦酒成功率 95%、呼叫电梯成功率 95%、冲洗盘子成功率为 80% 等。

　　协同训练提高了机器人在 7 项任务中 5 项的性能提升，分别提高了 45%、20%、80%、95% 和 80%。对于其余两项任务，协同训练和不进行协同训练的成功率相当。该研究发现协同训练对于精确操作是瓶颈的子任务更有帮助，例如按下按钮、翻转虾和打开水龙头。

　　在表 2 报告了 Mobile ALOHA 在 2 个现实任务（擦酒和推椅）上的协同训练和无协同训练的成功率。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。