ALOHA Robot: Stanford Open-Source Bimanual Teleoperationssystem
Kompleter ALOHA-Roboterführer: Was es ist, vollständiger BOM und Kosten ($17K-$32K), Einrichtung mit ROS2 und ACT, zweimanueller Aufgabenunterricht und kostengünstige Alternativen ab $4.500.
[← Führer]
Alles, was Sie über ALOHA wissen müssen -- die Plattform, die das bi-manuelle Roboternutzen für jedes Labor zugänglich machte. Von Architektur und Kosten bis hin zu Einrichtung, Ausbildung und Alternativen.
Was ist ALOHA?
ALOHA steht für Ein kostengünstiges Open-Source-Hardware-System für die zweimanschließende Telebetrieb. Es wurde an der Stanford University von Tony Zhao, Vikash Kumar, Sergey Levine und Chelsea Finn entwickelt und im Jahr 2023 im Papier "Learning Fine-Grained Bimanuelles Manipulieren with Low-Cost Hardware" neben ACT (Action Chunking with Transformers) eingeführt, dem Imitationslernalgoritmus, der für die Arbeit mit ALOHA-Daten entwickelt wurde.
Vor ALOHA erforderten die zweimanschließenden Manipulationsforschungen teure Industrieroboter (zwei Franka Emika Pandas für 80.000+ Dollar oder ein Baxter für 25.000 Dollar) und umfangreiche benutzerdefinierte Technik. ALOHA hat gezeigt, dass zwei Roboterarme in einer Leader-Follower-Konfiguration hochwertige zweimanschließende Demonstrationsdaten sammeln können, die wirksame Manipulationspolitik ausbilden - bei etwa einem Zehntel der Kosten früherer Systeme.
Das System wurde von Dutzenden von Labors weltweit repliziert und gab mehrere Varianten hervor, vor allem Mobile ALOHA (die Hinzufügung einer Radbasis für die Teleoperation des ganzen Körpers) und ALOHA 2 (die verbesserte Version von Google DeepMind mit besseren Hardware-Toleranzen).
Warum ALOHA wichtig ist
ALOHA ist nicht die Hardware selbst wichtig, sondern zwei Roboterarme, die an einen Tisch gebolt sind.
- Die Führungskräfte und die Nachfolger können die Daten in einem großen Umfang und ohne Programmierung demonstrieren. Der Betreiber hält die Führungskräfte und führt die Aufgabe natürlich durch. Die Nachfolger-Arme spiegeln die Bewegung wider, während Kameras Beobachtungen aufzeichnen. Dies führte zu den ersten groß angelegten Demonstrationsdatenmengen zu einem Kostenwert, der für Universitätslabore zugänglich ist.
- Action Chunking. Der in demselben Papier eingeführte ACT-Algorithmus prognostiziert gleichzeitig Stückchen von 100 zukünftigen Aktionen anstelle einer einzelnen Aktion. Dies reduziert dramatisch die Komponentenfehler, die vorherige Imitationslernansätze betroffen waren, und erzielt 80-90% Erfolgsraten bei Aufgaben, bei denen vorherige Methoden 20-40% erreicht haben.
- ** Open-Source-Reproduzierbarkeit.** Jede Komponente - CAD-Dateien, BOM, ROS2-Treiber, Datenerfassungsschriften, ACT-Schulcode und vorgeschultene Modelle - ist öffentlich verfügbar. Dies ermöglichte eine schnelle Annahme und Iteration in der Robotik-Community.
Stabiles ALOHA gegen mobile ALOHA
Die ALOHA-Plattform besteht in zwei Hauptkonfigurationen.
| Feature | Stationary ALOHA | Mobile ALOHA |
|---|---|---|
| Base | Fixed table mount | AgileX Tracer wheeled base |
| Follower arms | 2x ViperX 300 S2 | 2x ViperX 300 S2 |
| Leader arms | 2x WidowX 250 S | 2x WidowX 250 S |
| Action space | 14-DOF (7 per arm) | 16-DOF (14 arm + 2 base velocity) |
| Cameras | 2 wrist + 1 overhead | 2 wrist + 1 overhead + 1 side (optional) |
| Hardware cost | $17,000-22,000 | $28,000-35,000 |
| Setup time | 2-4 weeks | 4-8 weeks |
| Best for | Tabletop bimanual tasks | Tasks requiring locomotion + manipulation |
Für die meisten Teams ist das stationäre ALOHA der richtige Ausgangspunkt. Mobile ALOHA bietet 10.000-15.000 US-Dollar an Kosten und erhebliche Integrationskomplexität für die Mobilitätsfähigkeit. Wenn Ihre Aufgaben auf einer einzigen Arbeitsstation stattfinden - Montage, Verpackung, Küchenvorbereitung, Labormanipulation - ist stationäres ALOHA (oder eine ALOHA-kompatible Alternative wie die [OpenArm DK1]
Eine detaillierte Kostenverteilung der mobilen Variante findet sich in unserer Mobile ALOHA Cost Breakdown.
ALOHA Systemarchitektur
Das Verständnis der ALOHA-Architektur hilft Ihnen, zu beurteilen, ob Sie eine neue Architektur bauen, eine Alternative kaufen oder die Datenerfassung vollständig auslagern möchten.
Hardware: Führungskräfte-Follower-Teleoperation
ALOHA verwendet eine Konfiguration zwischen Führer und Nachfolger (auch Master-Slave genannt).
- Follower Arm (ViperX 300 S2): Der Roboterarm, der Aufgaben ausführt und mit Objekten interagiert. Es hat 6 DOF plus einen Griff (7 insgesamt), verwendet Dynamixel XM / XH-Servos der Serie und hat eine Nutzlast von 750g bei vollen Ausdehnungen. Während der Teleoperation spiegelt es die gemeinsame Positionen des Führerarms bei 50 Hz wider.
- ** Führerarm (WidowX 250 S):** Der Arm, der vom menschlichen Betreiber gehalten und bewegt wird. Er ist leichter und kürzer ausreichend als der Anhänger, so dass es komfortabel ist, für längere Datenerhebungssitzungen zu manipulieren. Es liefert Kraftfeedback durch Gravitationskompensation - die Servos halten das eigene Gewicht des Arms, so dass der Betreiber nur die Trägheit ihrer absichtlichen Bewegungen spürt.
Die Führer- und Anhängerarme verbinden sich über USB mit demselben Bordcomputer über Dynamixel U2D2-Adapter. Die Gesamtlatenz von Ende zu Ende muss für transparente Teleoperationen unter 10 ms liegen (der Betreiber darf keine Verzögerung zwischen seinen Bewegungen und der Reaktion des Anhängers verspüren).
Kamera-System
ALOHA verwendet Intel RealSense Tiefenkameras in drei Positionen:
- Zwei Handgelenkkameras (RealSense D405): An den Handgelenken des Anhängers, die einen nahen Blick auf den Manipulationsbereich bieten.
- Eine Oberkamera (RealSense D435): über dem Arbeitsplatz montiert, die für den räumlichen Kontext von oben nach unten zeigt.
Die Intel Multi-Camera Sync Cable bietet eine Hardware-Synchronisierung. Ohne diese führt die Software-Zeitstempel-Ausrichtung zu 30-60 ms jitter, was die Trainingsleistung um 10-20% abschwächt.
Berechnungsstack
Der Bordcomputer (typischerweise ein Intel NUC oder gleichwertiger Mini-PC) verarbeitet drei Aufgaben gleichzeitig:
- Echtzeitsteuerung: Lesung von Führungspositionen und Kommando von Anhängerspositionen bei 50 Hz über Dynamixel-Servobus.
- ** Kameraufnahme:** Aufnahme synchronisierter RGB-Bilder von drei Kameras mit 30 FPS.
- Datenaufzeichnung: Alle Sensordaten (Gemächte, Geschwindigkeiten, Kamerarahmen, Zeitstempeln) in HDF5-Dateien für spätere Ausbildung zu schreiben.
Die Strategieentwicklung (Inferenz) kann für ACT-Modelle auf der CPU des NUC ausgeführt werden, die weniger als 10 ms pro Weitergabe benötigen.
Stehende ALOHA-Kostenverteilung
Die stationäre ALOHA-Konfiguration (ohne mobile Basis) ist deutlich billiger und schneller zu bauen.
| Component | Cost | Notes |
|---|---|---|
| 2x ViperX 300 S2 follower arms | $9,600 | $4,800 each, Dynamixel XM/XH servos |
| 2x WidowX 250 S leader arms | $6,200 | $3,100 each, lighter weight for operator comfort |
| 2x Custom gripper assemblies | $400-800 | Parallel-jaw with Dynamixel XL330 |
| 3x Intel RealSense cameras | $950 | 2x D405 wrist ($300 ea) + 1x D435 overhead ($350) |
| Intel NUC 13 Pro (onboard computer) | $800-1,200 | i7, 32GB RAM, 1TB NVMe |
| U2D2 adapters, USB hub, cables | $350-500 | 4x U2D2 ($50 ea), powered USB hub, cabling |
| Mounting hardware, table clamps | $200-400 | Camera mast, arm base plates, clamps |
| Stationary ALOHA total | $18,500-19,700 | Hardware only, before labor |
| Training workstation (RTX 4090) | $2,000-3,000 | Separate desktop for offline training |
| Complete system total | $20,500-22,700 | Excluding integration labor |
Dies stellt die Mindestkosten für eine voll funktionsfähige stationäre ALOHA dar. Fügen Sie 2.000-5.000 $ für professionelle Montage hinzu, wenn Sie die Baugruppe auslagern. Für die mobile Variante fügen Sie 10.000-15.000 $ für die AgileX-Basis, den Montagerahmen, zusätzliche Batterie und die Integration hinzu.
Software-Stack
Der ALOHA-Software-Stack besteht aus vier Schichten, jede offen und gut dokumentiert.
ROS2 Humble (Echtzeitsteuerung)
ROS2 Humble auf Ubuntu 22.04 bietet die Kommunikationsschicht.
- Interbotix ROS2-Pakete: Treiber für die ViperX- und WidowX-Arme.
- RealSense ROS2-Wrapper: Kamera-Treiberknoten, die RGB- und Tiefenbilder mit 30 fps veröffentlichen.
- Teleoperationsknoten: Lesen die Position des Führerarmgelenks und senden entsprechende Befehle an die folgenden Arme bei 50 Hz.
# Install ROS2 Humble and ALOHA dependencies
sudo apt install ros-humble-desktop python3-colcon-common-extensions
# Install Interbotix arm drivers
curl 'https://raw.githubusercontent.com/Interbotix/interbotix_ros_manipulators/main/interbotix_ros_xsarms/install/amd64/xsarm_amd64_install.sh' > xsarm_install.sh
chmod +x xsarm_install.sh && ./xsarm_install.sh -d humble
# Install RealSense drivers
sudo apt install ros-humble-librealsense2* ros-humble-realsense2-camera
2. ALOHA-Repository (Telebetrieb und Aufzeichnung)
Das offizielle ALOHA GitHub-Repository bietet Skripte für Führungskräfte-Follower-Teleoperation und synchronisierte Datenaufzeichnung. Es bearbeitet die kritische Aufgabe, gemeinsame Zustanddaten (50 Hz) mit Kamera-Frames (30 fps) in zeitgemachte HDF5-Episoden auszurichten. Jede Episode enthält:
T2 : Form (T, 14) -- Kommandantengebundene Positionen (7 pro Arm) T3 : Form (T, 14) -- gemessene Gelenkpositionen T4 : Form (T, 480, 640, 3) -- Oberkamera T5 : Form (T, 480, 640, 3) T6 : Form (T, 480, 640, 3)
3. ACT-Schulungscode (Offline Politisches Lernen)
ACT (Action Chunking with Transformers) ist der Standard-Training-Algorithmus für ALOHA-Daten.
- Encoder: Verarbeitet aktuelle Beobachtungen (gemeinsame Positionen + Kamerabilder) über einen ResNet-18 Bildencoder und einen gemeinsamen Zustand MLP.
- Decoder: Ein Transformator-Decoder mit einem CVAE (Conditional Variational Autoencoder), der gleichzeitig ein Stück von 100 zukünftigen Aktionen vorhersagt.
- Zeitensammensatz: Während der Bereitstellung werden überlappende Aktionsstücke mit exponentieller Gewichtung gemessen, wodurch die Übergangszeit zwischen den aufeinanderfolgenden Vorhersagen glatter wird.
# Train ACT policy on ALOHA data using LeRobot
python lerobot/scripts/train.py \
policy=act \
dataset_repo_id=your-username/aloha-task \
env=aloha \
training.num_epochs=2000 \
training.batch_size=8 \
policy.chunk_size=100 \
policy.kl_weight=10
4. LeRobot (Moderne Integrationsschicht)
[LeRobot]
Einführungsanleitung Überblick
Die Konstruktion und Konfiguration eines ALOHA-Systems umfasst fünf Phasen. Für detaillierte Schritt-für-Schritt-Anleitungen siehe unseren [Mobile ALOHA Setup Guide] (der sowohl stationäre als auch mobile Konfigurationen umfasst).
Phase 1: Hardware-Aufbau (3-5 Tage)
Die Anschließung der Armplatten muss in einer Höhe von 1 mm sein; die Kamera muss steif sein (jede Flexion erzeugt inkonsistente Daten).
Phase 2: Einrichtung und Kalibrierung von ROS2 (3-7 Tage)
Installieren Sie Ubuntu 22.04, ROS2 Humble, Interbotix-Treiber und RealSense-Treiber. Konfigureren Sie Dynamixel-Servo-Parameter: Setzen Sie die Baudrate auf 1M, kalibrieren Sie Nullpositionen für jeden Gelenk, setzen Sie PID-Gewinne und konfigurieren Sie Gravitationskompensation auf den Führerarme. Überprüfen Sie die Aufzählungsklasse des USB-Geräts (dies ist eine häufige Fehlerquelle, wenn Geräte nach dem Neustartungsstart neu zugewiesen werden).
Phase 3: Erster Teleoperationstest (1-2 Tage)
Führen Sie den Teleoperationsknoten aus und überprüfen Sie, ob beide Armbarren korrekt verfolgen. Überprüfen Sie: Lead-to-Follower-Latenz (muss unter 10 ms sein), Tracking-Genauigkeit (Follower sollte die Führungsposition innerhalb von 2 Grad entsprechen), Griff-Synchronisierung (offene/close-Zustände entsprechen) und Kamera-Feeds (alle drei Kameras produzieren saubere Frames bei 30 fps). Beheben Sie alle Probleme, bevor Sie mit der Datenerhebung fortfahren.
Phase 4: Aufnahme von Demonstrationen (im Gange)
Definieren Sie Ihre Aufgabe, konfigurieren Sie das Aufnahmeskript und beginnen Sie mit der Sammlung von Demonstrationen. Beginnen Sie mit einer einfachen Validierungsaufgabe (Greifen und Ablegen) um die gesamte Pipeline zu überprüfen, bevor Sie Zeit in komplexe Aufgaben investieren. Sammeln Sie 50 Demonstrationen für die Validierungsaufgabe, trainieren Sie eine Politik und bewerten Sie. Ziel: 60% + Erfolgsrate. Wenn unter 40%, debug Hardware / Kalibrierung vor der Sammlung mehr Daten.
Phase 5: Training ACT-Politik (4-8 Stunden pro Training Run)
Schieben Sie Ihren Datensatz in HuggingFace Hub (oder trainieren Sie lokal), konfigurieren Sie ACT-Hyperparameter und trainieren Sie. Schlüssel-Hyperparameter: chunk_size=100, kl_weight=10, batch_size=8, num_epochs=2000. Beobachten Sie Validierung Verlust - Training wird durchgeführt, wenn Verlustplateau für mehr als 200 Epochen. Bereiten Sie die trainierte Politik für die Bewertung zurück auf den Roboter.
Leistungsbezogene Benchmarks
Diese Erfolgsraten stammen aus dem Original ACT-Papier (Zhao et al., 2023) und den nachfolgenden ALOHA-Publikationen.
| Task | Success Rate | Demos Used | Notes |
|---|---|---|---|
| Slot insertion (bimanual) | 91% | 50 | One arm holds socket, other inserts battery |
| Fork retrieval from pot | 82% | 50 | Requires precise grasp in confined space |
| Coffee making (multi-step) | 62% | 50 | Long-horizon, 5+ sequential sub-tasks |
| Table bussing (mobile) | 85% | 50 mobile + 370 static | Mobile ALOHA with co-training |
| Door opening (mobile) | 76% | 50 mobile + 370 static | Whole-body coordination required |
| Object handover to human (mobile) | 68% | 50 mobile + 370 static | Requires detecting human presence and timing |
Schlüsselinformationen aus den Benchmarks: Co-Training ist für mobile Aufgaben enorm wichtig. Die oben genannten mobilen Aufgaben verwendeten nur 50 mobile Demonstrationen, wurden jedoch mit 370 statischen, zweimanuale Demonstrationen co-trained. Das bedeutet, dass Sie die meisten Ihrer Daten auf einem billiger stationären Setup sammeln und eine kleine Menge an mobilen Daten hinzufügen können, um mobile Richtlinien zu erhalten.
ALOHA Alternativen Vergleich
Mehrere Systeme bieten eine ALOHA-ähnliche bi-manuale Telebetriebsfähigkeit zu unterschiedlichen Preisen und mit unterschiedlichen Kompensationen.
| System | Cost | Key Advantage | Key Limitation |
|---|---|---|---|
| Stationary ALOHA (DIY) | $20,500-22,700 | Original platform, large community | Requires DIY assembly and ROS2 expertise |
| Mobile ALOHA (DIY) | $28,000-35,000 | Mobility + bimanual, co-training data | Complex build, high total cost |
| OpenArm DK1 | $12,000 | Ships assembled, higher-torque servos, warranty | Stationary only, smaller community |
| OpenArm 1 | $4,500 | Lowest-cost entry to robot learning | Single arm only (no bimanual) |
| ALOHA 2 (Google DeepMind) | N/A | Improved hardware, better tolerances | Not commercially available |
| UMI (Universal Manipulation Interface) | $2,000-3,000 | No robot needed for data collection | Single-arm, camera-only (no depth/force) |
| RCSV DK1 Lease | $2,500/mo | No upfront cost, includes maintenance | Monthly recurring cost |
| RCSV Data Services | $2,500 pilot | No hardware at all, expert operators | Limited to RCSV's task environments |
Warum sollte man die OpenArm DK1 über ALOHA betrachten?
Die OpenArm DK1 ($12.000) wurde speziell als eine ALOHA-kompatible Alternative entwickelt, die den DIY-Bauprozess eliminiert.
- Schiffe montiert und kalibriert. Keine 4-8 Wochen Bauzeit. Sammeln Sie Ihre erste Demonstration am ersten Tag.
- Höhere Drehmoment-Servos. Die benutzerdefinierten Aktoren von OpenArm bieten 30% mehr Drehmoment als die Dynamixel XM430-Servos in den ViperX-Armen, mit einer besseren thermischen Steuerung, die die überhitzende Ausfallzeit reduziert.
- ALOHA-kompatibles Datenformat. Erfasst den gleichen 14-DOF-Aktionsraum und HDF5-Episodenformat wie ALOHA.
- 90-Tage-Garantie und -Unterstützung. Zuteilungsteile und technische Unterstützung sind enthalten.
- ** 44% niedrigerer Preis.** $12.000 vs. $20.500-22.700 für eine vergleichbare stationäre ALOHA.
Wie RCSV bei ALOHA-Projekten hilft
Ob Sie ein ALOHA von Grund auf bauen, nach einer Alternative suchen oder nur zweibrochige Daten benötigen, RCSV bietet mehrere Wege, um Ihnen Ergebnisse zu erzielen.
Vorgefertigte Hardware
Die [OpenArm DK1] (
Datenerhebung von Expertenbetreibern
RCSVs [Daten-Sammlungsdienst] (
- ** Pilotprojekt:** $2,500 -- 50-100 Demonstrationen für eine einzige Aufgabe, in 2 Wochen ausgeliefert
- ** Vollkampagne:** $8.000 -- 200-500 Demonstrationen über mehrere Aufgaben hinweg, mit Anmerkungen und Qualitätsvalidierung
Roboterleasing
RCSV bietet vollständig montierte, kalibrierte, zweimanschließende Systeme auf monatliche Leasingbedingungen. Mieten Sie einen DK1 für 2.500 USD/Monat (einschließlich Wartung und Support) und sammeln Sie Daten in Ihrer eigenen Umgebung. Dies eliminiert die vorläufige Kapitalinvestition und ermöglicht Ihnen den Start sofort.
Laboreigentum
RCSV betreibt ausgestattete Robotiklabore in San Francisco, CA und Allston, MA. Wenn Sie gelegentlich Zugang zu ALOHA-Klasse-Hardware für Datenerhebung, Prototypisierung oder Bewertung benötigen, kontaktieren Sie uns über die Laboranwendungsregelungen.
Häufig gestellte Fragen
**Welcher Unterschied gibt es zwischen ALOHA und ACT? **
ALOHA ist die Hardwareplattform (Roboterarme, Kameras, Teleoperations-Setup). ACT (Action Chunking with Transformers) ist der Softwarealgorithmus, der Manipulationsrichtlinien aus ALOHA-Daten trainiert. Sie wurden im gleichen Papier eingeführt, sind aber unabhängig: Sie können ALOHA-Daten sammeln und mit Diffusion Policy anstelle von ACT trainieren, oder Sie können ACT auf Daten aus nicht-ALOHA-Hardware trainieren. Siehe unseren [ACT-Leitfaden]
** Kann ich ALOHA für Aufgaben außerhalb der Manipulation verwenden? **
ALOHA ist speziell für die zweimanschließende Manipulation konzipiert. Seine Arme haben eine begrenzte Nutzlast (750g bei vollständiger Erweiterung) und Reichweite (300 mm), so dass sie für schwere Heben, hochpräzise Montage (Toleranzen höher als 2 mm) oder Aufgaben, die eine Kraftkontrolle über die aktuelle Sensorik des Servos hinaus erfordern, ungeeignet ist. Für geschickte Manipulationen, die individuelle Fingerkontrolle erfordern, siehe Orca Hand oder Paxini Gen3 Tactile Gläser.
Wie viele Demonstrationen brauche ich?
Für eine einfache, zweimanschließende Aufgabe mit begrenzter Variabilität (feste Objekteposition, Einzelschrittstrategie): 50 Demonstrationen können mit ACT eine Erfolgsrate von 60-80% erreichen. Für Aufgaben mit hoher Variabilität (Zufallsobjektpositionen, mehrere gültige Ansätze): 200-500 Demonstrationen sind für robuste Leistung erforderlich. Für mehrstufige Aufgaben (5+ aufeinanderfolgende Unteraufgaben): 300-1.000 Demonstrationen. Unsere [Kosten pro Demonstrationsanalyse]
** Ist ALOHA noch relevant in 2026? **
Trotz neuerer Plattformen bleibt ALOHA das am weitesten replizierte und am besten dokumentierte bi-manuale Manipulationssystem. Das ALOHA-Datenformat (14-DOF-Gemeinsamen Positionen + Multi-View-Bilder) ist zum de facto-Standard für das zweibrochige Lernen geworden, und die meisten neuen Algorithmen werden bei ALOHA-Aufgaben benchmarked.
** Kann ich ALOHA mit geschickten Händen befassen? **
Ja, obwohl es erhebliche Modifikationen erfordert. Der Standard ALOHA-Greifer ist ein einfacher 1-DOF-Parallelkiebel. Sie benötigen auch eine andere Teleoperationsoberfläche - der Standard-Lider-Follower-Ansatz erstreckt sich nicht natürlich auf geschickte Hände. Handschuh-basierte Teleoperation (mit [Paxini Gen3 Touchgloven]
**Wo kann ich ALOHA-Daten-Sets finden, um meine Algorithmen zu testen? **
Auf HuggingFace Hub sind mehrere öffentliche ALOHA-Datensätze verfügbar: die originellen ACT-Datensätze (Slot-Einsetzen, Gabel-Entnahme, Kaffeemachen), Mobile ALOHA-Datensätze (Tischbussen, Türöffnung) und von der Gemeinschaft zur Verfügung gestellte Datensätze für verschiedene Aufgaben. RCSV unterhält auch kuratierte Datensätze auf unserer Datensätze Seite.
Verwandte Lesungen
Mobil ALOHA Kostenverteilung · Mobil ALOHA Einrichtungsanleitung · Aktion Chunking Transformers (ACT) · ACT vs. Diffusion Policy · LeRobot Starting · Nachahmungslernen Guide · Data Services · Robot Leasing
Erhalten Sie ALOHA-kompatible Bimanuale Daten ohne den Bau
RCSV bietet vorgebaute, zweimanschließende Hardware ab 12.000 Dollar, professionelle Datenerhebung ab 2.500 Dollar und Systemleasing ab 2.500 Dollar pro Monat.