Mobile ALOHA

Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation入门必知

斯坦福 2024 年把 ALOHA 双臂装上移动底盘，做低成本全身遥操作和模仿学习。

Mobile ALOHA 是斯坦福 Zipeng Fu、Tony Zhao 和 Chelsea Finn 于 2024 年 1 月发布的工作，发表于 CoRL 2024。它把原本固定在桌上的双臂平台 ALOHA 装到松灵 Tracer 移动底盘上，操作员腰部与底盘相连、走动时带着底盘移动，双手操纵主臂，同时遥控双臂和底盘；整套硬件预算约 3.2 万美元。动作是 16 维：双臂 14 个关节位置加底盘的线速度和角速度。它要解决的是移动操作（边移动边用双手干活）的数据采集和学习问题。论文另一个结论是协同训练：把新的移动数据和已有的静态 ALOHA 数据一起训练，成功率最多提升 90%，每个任务约 50 条演示即可。策略直接用 ACT、扩散策略等现成的模仿学习方法。