営業担当に問い合わせ
Blogに戻る

アロハ ロボット:何なのか,どのように機能するのか,そしてどのように開始するか

ALOHA ロボットガイド: スタンフォードの双手遠隔操作プラットフォーム 双 ViperX 腕付き 全BOM,ACTトレーニングセットアップ,RCSVから4,500ドルから費用対効果の高い代替品

ALOHAはスタンフォード大学から初めて,ロボットがチップの袋を開く,ケーブルを結びつける,または料理するなどの巧妙な双手操作作業を学ぶことが証明された小型の人間のデモから2本用テレオペレーションプラットフォームです.現在は世界で最も広く参照されている2本用研究プラットフォームです. このガイドでは,ALOHAとは何か,どのように作用するか,どのように使用し始めるかを説明します.

スタンフォードの起源

ALOHA スタンフォードのモバイル操作ラボで開発され,トニー・ザオ等が2023年に発表した論文"低コストハードウェアで精巧な二手操作を学ぶ"で発表された.中央論文は挑発的なものだった. ALOHAは,ACTアルゴリズムと組み合わせて,合計20,000ドル未満のコストをかけて,これまで多くの倍以上のコストをかけてカスタムエンジニアリングシステムを必要とする作業を行うために,ViperX 300とWidowX 250のロボット腕 (各側で2本,遠隔操作のリーダーとフォロワーとして1本) を使用した.

論文では,キャンディの片を開封し,スロットにバッテリーを挿入し,穴を介してロープを糸に編みながら,50回のデモで80%以上の成功率を示した.これらの結果は,課題が新しくなかったためではなく,コストとデータ効率のため,ロボットコミュニティを衝撃を受けた. ALOHAとACTは,手頃な操作研究のための新しい基準を共同で確立し,今日も続くフォローアップ作業の波を引き起こす.

ALOHAのハードウェアデザインとすべてのソフトウェアは完全にオープンソースです.材料の請求書,組み立て指示,およびACTトレーニングコードは GitHubで公開されています.このオープン性は,ALOHAを事実上の標準的な双手研究プラットフォームにしました.世界中の数十の研究グループはオリジナルのデザインのバリエーションを実行しています. RCSVは, データサービス と ハードウェアリースプログラム を介して,ALOHAクラスのプラットフォームをサポートします.

完全なハードウェア仕様

硬件の正確な構成を理解することは重要です なぜなら小さな偏差によって 異なる腕モデル,誤ったカメラ,低扭曲性サーボが ACT 実装に不適合するデータセットを生成できるからです.

武器:ViperX 300 6DOF (フォロワー) とWidowX 250 6DOF (リーダー)

Spec ViperX 300 (Follower) WidowX 250 (Leader)
DOF 6 + gripper 6 + gripper
リーチ 750mm 625mm
ペイロード 750g (at full extension) 250g (at full extension)
再現性 ~1mm ~2mm
Servos DYNAMIXEL XM540 + XM430 DYNAMIXEL XM430 + XL430
Communication USB via U2D2 adapter, 1Mbps USB via U2D2 adapter, 1Mbps
Control rate 50Hz (20ms loop) 50Hz (reads only)
Weight 3.6kg 2.1kg
Price (per arm) ~$5,500 ~$3,200

カメラシステム

オリジナル紙では3台のロジテックC922ウェブカメラ (2腕に搭載された+1オーバーヘッド) が480x640分辨率で,50fpsで記録された.ALOHA 2は画像品質とオプション深さを向上させるためにIntel RealSense D405カメラにアップグレードされた.RCSVのALOHAステーションは,一貫したマルチカメラタイムリングのためにハードウェア同步付きのRealSense D435iカメラを使用している.このアップグレードの裏にある理由については,私たちの [カメラ設定ガイド]T9を参照してください.

総集結費用の割引

Component Qty Unit Cost Subtotal
ViperX 300 6DOF arms (follower) 2 $5,500 $11,000
WidowX 250 6DOF arms (leader) 2 $3,200 $6,400
Cameras (RealSense D435i or D405) 3-4 $300 $900-1,200
U2D2 USB adapters 4 $30 $120
Power supplies (12V) 4 $35 $140
Aluminum extrusion frame + brackets 1 set $500 $500
Camera mounts, cable management, misc 1 set $200 $200
Workstation PC (RTX 4090, 32GB RAM) 1 $2,500 $2,500
Total (DIY build) ~$21,800-22,100
Total (with Mobile ALOHA base) + AgileX Tracer ($10,000) ~$32,000

経験豊富なビルダーにとって,組み立て時間は約2030時間.最初のビルドでは,Dynamixel通信問題,カメラの校正,ソフトウェアの設定をデバッグするなど4060時間予算を設定します. 組み立ての最も一般的な故障点は:ダイナミクセルダイザイチェーンワイヤリング (誤ったバスID割り当てにより腕の段落が順序外で反応する),カメラケーブルを腕を通過する (あまりにも緊密なケーブルが腕の回転を制限する) とフレームの硬さ (薄い外出ボルトがカメラ画像品質に影響を与える振動を引き起こす) です.

ソフトウェアの設定: クローンから最初のデモ

ALOHAソフトウェアスタックには2つの構成要素があります:遠隔操作制御ループ (読み方リーダー,指揮フォロワー,記録データ) とACTトレーニングパイプライン.

T27 cd act conda クローン T27 cd act conda クローン T27 cd act conda クローン 作成 -n aloha python=3.8.16 -y conda アクティブ aloha pip インストール -r requirements.txt # 腕制御のためのInterbotix SDK をインストールする # フォロー: T28 sudo apt インストール ros-humble-interbotix-xsarm-control # 腕 USB デバイスを設定する # 腕ごとに /etc/udev/rules.d/ のユニークな USB ポートマッピングが必要です # リーダー: /dev/ttyDXL_leader_leader 右 # リーダー 右: /dev/ttyDXL_leader_right # フォローワー: /ttyDXL_testy_left # フォローワー: /DyDXL\leaplower _leaplower _leaplower _leaplower _leaplower _leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap_leap________________________________________________________________

記録脚本では,各エピソードごとに以下の構造を持つHDF5ファイルが生成されます. T0 (上頭), T1, T2, T3 (14-dim 合同位置: 7 腕), T4 (14-dim 合同位置目標),および T5.各エピソードはカメラ解像度とエピソード長さに依存して通常20〜50MBの自立HDF5ファイルです.

ROS2 統合

オリジナルのALOHAコードは,Interbotix Python SDKを直接使用している (ROSではなく),多くのチームはMoveIt2,カメラドライバー,ビジュアライゼーションとの互換性のためにROS2と統合している. T6パッケージはViperXとWidowX腕のためのROS2ノードを提供しています.ROS2 ALOHAセットアップの主要な考慮事項:

  • ダイナミクセルボードレートを 50Hz制御レートを維持するためにリーダーとフォロワー両腕に 1Mbps に設定します
  • 4 つの同時USB連結間間のバス衝突を避けるために,専用USBハブ (ダイスチェーンハブではなく) を使用する
  • 帯域幅を減らすために圧縮された画像を公開するカメラドライバーを設定する 素質640x480 RGBは,1カメラあたり30fpsで,1カメラあたり27.6 MB/s,4カメラでは110 MB/s
  • カメラのトピック間の時間同期のために ROS2 メッセージフィルタを使用します

ハードウェアアーキテクチャ:二手指導者フォロワー設定

ALOHAシステムは,それぞれの腕に1つずつ,二つの運動性ペアで構成される.それぞれのペアには"リーダー"腕 (手) ,操作者が手で握って動かす軽量,後駆け手 (後駆け手) ,そしてリーダーの関節位置をリアルタイムで反映する"フォロワー"腕 (手) が備わっている.フォロワー腕は実際の操縦器 (グリッパー,ツール,またはエンドエフェクター) を携えて物理世界と相互作用する. リードアームは,エンドエフェクター用荷荷の要求がないため,バックドライバブルであり,操作者にトークフィードバックを提供する必要があるだけです.

双手構成 2つの完全なリーダー・フォロワーペア は,ALOHAを巧妙な作業に独創的に対応させる.人間の手は自然に双手であり,片手は物体を握っているが,片手は操作している.または両手は同時に2つの接触点を必要とする作業を完了するために協力する. 単腕ロボットでは,複雑な固定装置やシーケンシングのみでこれらの作業を近似できる.双手ロボットでは直接処理することができる.両腕が共有テーブル固定装置に組み込まれたALOHA形式因子は,操作者がシステムの前に座っているテーブル操作作業に最適化されています.

オリジナル ALOHA 紙のカメラのセットアップには3台のカメラが使用されました.一台はオーバーヘッド (全作業場を鳥の目で見る) で,左腕と右腕のカメラです.ACT ポリシーでは3台のカメラが視覚観測として使用されます. このマルチビュー設定は極めて重要です.腕のカメラは,捕捉と接触の出来事の近視映像を提供しますが,オーバーヘッドカメラは,両手調整のためのグローバルコンテキストを提供します.シングルカメラのALOHAバリエーションは,調整重作業で政策パフォーマンスを測定的に低下させています.

代替双手動セットアップ: RCSV DK1 キット

ALOHAは双手間遠隔操作研究の唯一の選択肢ではありません.RCSVのDK1双手間キットは,正確な ALOHA 互換性よりもデータ収集経路を優先するチームにとっていくつかの利点を提供します.

Feature ALOHA (DIY Build) RCSV DK1 Kit
Arms ViperX 300 + WidowX 250 OpenArm 1 leader-follower pairs
Total cost ~$22,000 + assembly $9,000 pre-assembled
Assembly time 20-60 hours 2 hours (unbox + calibrate)
ペイロード (per arm) 750g 500g
Data format HDF5 (custom schema) HDF5 + LeRobot export
ACT compatibility Native Via format conversion
Community size Largest (100+ labs) Growing (RCSV ecosystem)

DK1は,直ちにデータを収集し,拡散政策やVLA (特定のロボットに関して建築学的に不知的な) に訓練を計画するチームにとってより良い選択です.ACTの結果が公表されたと正確な互換性が必要なチームまたはALOHAオープンソースエコシステムに貢献したいチームにとって,ALOHAはより良い選択です. DK1の詳細については,当社の [ハードウェア・カタログ] (T10) を参照してください.

ALOHA 活用例: 何が有効で 何が非

ALOHA が 優位 な 職務

  • テーブルテーブル双手操作: 容器を開く,折りたたむ布,両手間で移動,両手組成.リーダーとフォローのインターフェースは,操作者に自然な双手制御を提供します.
  • 食品調理研究: 混ぜて,スコープして,注ぎ,柔らかい材料を切る. 750g の 役に立たない 荷物は,ほとんどの 料理 品 を 処理する.
  • ケーブルと変形可能な物体の操作: 糸,包装,結束.腕カメラは変形可能な接触作業に必要な近視を提供します.
  • **スケールでのデータ収集:**オープンソース設計により,複数の同一ステーションを構築できます.RCSVは高量キャンペーンのために4つのALOHAクラスのステーションを同時に実行します.

アロハ が 苦労 し て いる 任務

  • 重物操業: 750gの有用荷制限 (全額拡張) は多くの工業用品を除外します.水瓶,書本,または電動工具は安全な処理封筒を超えています.
  • **1mm以下の精度挿入:**ViperX伺服器の~1mmの重複性は精度を制限します.サブミリメートル作業では,力反射 (ベースALOHAに含まれていない) または高精度な腕プラットフォームが必要です.
  • ** 作業場での作業:** 750mm の範囲は作業場を約 1m x 0.5m のテーブルプレートに制限します. キッチンカウンターや棚の間での移動を必要とする作業には,モバイル ALOHA または別のプラットフォームが必要です.
  • 高速操作: 50Hz制御ループは反応速度を制限する.予想外の乱射に対する迅速な反射反応を必要とするタスク (投げられた物体を捕捉,動的な転送) は,現在のALOHA能力を超えています.

アクト: ALOHA の 背後 の アルゴリズム

ACT（Action Chunking with Transformers） は,ALOHAと共に開発され,プラットフォームの主要な学習アルゴリズムである.ACTは,トランスフォーマーベースの模倣学習方針で,将来の共同位置を予測する. このアクションチャンキングアーキテクチャは,天才な行動クローンによる複合エラー問題を大幅に軽減します. この過程で,それぞれのタイムステップで小さな予測エラーが大きな軌道の偏差に蓄積される.

ACTのポリシーアーキテクチャは,訓練中にCVAE (条件変異自動エンコーダー) のエンコーダーを使用して,それぞれのデモの潜伏式スタイルを捕捉します.基本的に,人間が"どのように"作業を完了したのか,作業の結果が"何"であったのかと区別する"圧縮された表現です.これは,モード平均的なアーテファクトなしで人間のデモの自然変異をモデル化することを政策に可能にします. 結論付け時に,現在の観測とサンプル取られた潜伏ベクトルに基づいて,CVAEデコーダーは実行され,アクション部品を生成します.

ALOHA データセットで 50 回のデモを1つのRTX 3090 GPUで実行するのに 2 4 時間かかります.オリジナルの紙にリリースされたトレーニングコードは,標準的な ALOHA 作業のための文書化されたハイパーパラメータで実行できます. 定番作業では,調整する最も影響のある超パラメータは,部品サイズ (設定のkl_weight) 大きい部品は,予期せぬ混乱に対する反応性によって時間一貫性を向上させる.RCSVの [プラットフォーム]T11) には,ALOHA形式のデータセットのためのACTトレーニングパイプラインを事前に設定しています.

モバイルALOHA:テーブルからALOHAを取り除く

Mobile ALOHA は,同じスタンフォードグループが2024年に発表したもので,ALOHA 概念をモバイルベースに拡張した.双手腕セットアップはAgileX Tracer モバイルベースに搭載され,システムにキッチンカウンターに近づく空間内の異なる場所へ移動させ,ダイニングテーブルに移動し,廊下へ移動させ,操作のためにALOHA 腕を保持する. モバイルALOHAは,ストーブでを煮込み,皿洗濯機を荷付け,パッケージを配達する作業を示しました 作業は移動と巧妙な操作の両方を要求します.

モバイルALOHAは全体のテレオペレーションの概念を導入した.操作者は,分離した制御インターフェースまたは,操作者の体の動きをロボット全体の体の構成に映射する統一インターフェースを通じて,移動ベースと両腕を同時に制御する. モバイルALOHAのデータ収集は,タスク上のALOHAよりもはるかに複雑です. 政策は,環境における空間的変化とオブジェクトの変化をカバーする示範を要求し,ナビゲーションと操作を調整することを学ばなければならないからです.

モバイルALOHAは,共同訓練を導入した.モバイルALOHAの政策をモバイル操作デモと静的なALOHA操作デモについて共同訓練した.共同訓練はモバイルプラットフォームでの操作性能を向上させ,デスクトップデータからの双手操作知識がモバイルコンテキストに有用に転送されることを示唆した. RCSVはモバイル ALOHA対応データセットを提供し,サンフランシスコ施設でモバイル操作デモを収集できます. [連絡してください]

ALOHA, ALOHA 2 と商業的衍生品の違い

2024年末に発表されたALOHA 2は,いくつかの次元でオリジナルの上を改良した. より優れた重複性のある高品質の腕,改良されたカメラマウントシステム,ケーブルルーティングの複雑性を軽減する修正された腕首設計. 電気システムは,ダイアリーチェーン付きの電源ケーブルではなく専用電源配送板を使用するために更新され,長時間データ収集セッションの間に信頼性を向上させました.ALOHA 2はハードウェア変異に関する通常の警告に則って,一方で評価された最初のデータセットと完全なソフトウェア互換性を維持します.

製造業者から部品を調達し,腕を組み立てることなく,ALOHAの機械・ソフトウェア仕様に従って,ALOHAのプレアセンブル・テストされたシステムを販売している.これらの商業的なALOHAシステムは,DIYの材料請求書よりも費用が高く,設置時間と組み立てのエラーのリスクが大幅に削減されます. RCSVのハードウェアカタログには,ALOHA対応の構成が含まれています.現在のオプションと価格については[店舗]T13) を参照してください.

RCSV を 通して ALOHA を 始めること

RCSVは,各段階においてALOHAベースの研究を支援します.新規開始するチームには,ALOHAプラットフォームのリースを提供します [ロボットリースプログラム]T14) 固定月額料金の支払いで,ハードウェアの購入の資本の約束なしに完全な双手設定にアクセスできます.リースされたシステムは,初日に予校化され,デモ収集に準備ができています.

データ収集のために,私たちの 管理サービス は,サンフランシスコ施設でデモを収集できる訓練を受けた ALOHAオペレーターに ACT,Difusion Policy,OpenVLAトレーニングパイプラインと互換性のある RLDS/LeRobot形式で配信されたデータセットを提供しています. 実験プログラムでは200回のデモで2,500ドルから開始します. 作業に必要な場合,現地でのデータ収集キャンペーンのためにサイトを訪問することもできます.

政策訓練および評価のために, [RCSVプラットフォーム]T16) は,ALOHA政策のためのACT訓練パイプライン,実験追跡,評価ツールを事前に設定しています. [ベンチマーク]T17) には, ALOHA特定タスク評価が含まれ,ポリシーパフォーマンスを参照実装と比較することができます. 操作研究プログラムをゼロから構築するかどうか,既存のシステムのパフォーマンスを推進しようとしているかどうか, [RCSVのチーム]T18) は正しいアプローチを計画するのに役立ちます.

関連 読書