24小时热门版块排行榜    

查看: 902  |  回复: 0

BFT驿站

新虫 (小有名气)

[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
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 BFT驿站 的主题更新
普通表情 高级回复 (可上传附件)
信息提示
请填处理意见