| 查看: 1016 | 回复: 0 | |||
[交流]
Kinova 机器人领跑开源家庭服务！赋能TidyBot++ 研究
|
|
前言： 在机器人学习领域，模仿学习正成为家庭服务自动化的关键路径，但两大难题制约发展： 1、真实场景数据采集困难，传统固定机械臂难以覆盖家庭移动操作需求，非全向移动底座因运动学约束（如无法横向移动）导致数据采集效率低下； 2、硬件成本高、灵活性不足，商用移动操作平台，价格动辄十万美元，且难以适配家庭环境。 本文以Kinova Gen3-7DoF机械臂为核心应用硬件，通过开源全向移动底座+ 手机远程操作界面的创新方案，突破传统限制。 该方案利用动力脚轮实现底座全向驱动（独立控制 x/y/θ 三自由度），搭配低成本硬件，成功构建TidyBot++系统，为家庭服务机器人研究提供标准化、易扩展的解决方案。 我们开发了一种带有完整基座的开源移动机械手（左），并展示了它可以在真实的公寓住宅中执行各种家务任务（右）。 TidyBot++项目概述：Kinona机械臂与全向底座底盘协同优势 Kinova Gen3-7DoF 机械臂的核心价值 基础性能：Kinova Gen3机械臂重12kg,最大有效载荷约 60kg 高灵活性与精准控制：7自由度设计支持复杂家务动作（如开门、擦拭），关节力矩传感器提升操作安全性，适配家庭精细场景。 开源生态兼容性：与项目硬件设计（铝制 T 型槽框架、便携式电源站）无缝集成，可快速替换或升级组件。 全向轮（holonomic base）的应用，让机器人可对所有平面自由度进行独立且同步的控制，这种设计增强了其灵活性。借助全向轮，机器人能实现三个自由度的独立操控，有效提升了机动性能与操作灵活性，同时也让移动操作任务的执行更为简便。 我们的移动基座设计为模块化，易于重新配置。它只有很少的 组件，可以在1到2天内组装完成。 全向移动底座技术亮点： 动力脚轮驱动：改造FIRST Robotics竞赛的SDS MK4模块，通过2个3D打印轮架与定制轴引入偏移，实现全向移动，机动性更佳。 模块化架构：铝制T型槽框架，支持机械臂、传感器快速安装；双电池系统保障8小时续航与配重平衡。 实验历程：家庭场景下的多任务验证 任务场景与数据采集 在真实公寓环境中，针对6类典型家务任务开展实验： 操作类：打开冰箱、装载洗碗机、擦拭台面（需底座横向移动调整机械臂工作空间） 搬运类：倒3垃圾、装载衣物（考验底座负载能力与路径规划） 养护类：给3植物浇水（涉及精准定位与末端执行器控制） 使用手机界面采集数据单任务采集50-100次演示（如 “打开冰箱” 采集100 次），单次任务数据采集耗时1-2小时。 关键发现 通过模仿学习训练的策略，在6项家务任务中，TidyBot++机器人在多个家庭任务中均取得了较高的成功率。 例如，在打开冰箱的任务中，成功率达到了100%；在擦拭台面的任务中，成功率也高达90%。 模仿学习结果 对比实验：全向vs 非全向驱动 以“擦拭台面” 任务为例，对比全向底座与差速驱动模式： 表2：移动基座和移动操作臂对比 图5：在擦拭台面任务中，差速驱动机器人被迫采取效率较低的 路径，因为它受到非完整约束 关键发现 路径效率：全向底座平均移动2.03米，耗时27.4秒；差速驱动需绕行4.03米，耗时65.2秒，全向驱动减少50%运动距离。 策略学习效果：全向底座训练的扩散策略成功率9/10，差速驱动仅 4/10，后者因需学习复杂转向策略导致任务执行不连贯。 研究价值与行业影响 方法论突破：证明全向驱动可显著简化移动操作策略学习，减少对复杂运动规划的依赖，为数据高效型机器人学习提供新范式。 开源生态意义：TidyBot++的硬件与软件框架降低研究准入门槛，推动家庭服务机器人从实验室走向实际应用，助力构建标准化数据集（如DROID数据集） 尽管存在脚轮转向摩擦导致反驱动能力不足的局限，但TidyBot++ 通过Kinova 机械臂与全向底座的协同，已为家庭服务机器人研究开辟新路径。后续可通过优化机械设计（如减小转向齿轮比）与集成多模态传感器，进一步提升复杂环境适应性。 项目链接：https://tidybot2.github.io/ 论文链接：https://tidybot2.github.io/paper.pdf |
回复此楼» 猜你喜欢
ICP标液Fe含量超标
已经有0人回复
-
fjut招生
已经有0人回复
-
机械工程论文润色/翻译怎么收费?
已经有108人回复
-
085601材料工程专硕求调剂，总分310
已经有1人回复
-
277调剂
已经有6人回复
-
277材料科学与工程080500求调剂
已经有3人回复
-
关于30°不全位错的柏氏回路的绘制
已经有0人回复
-
332求调剂
已经有0人回复
