2025年にモバイル操作ロボット:プラットフォーム,アルゴリズム,実際の展開
移動操作の調査 <unk> 輪 + 腕,足 + 腕,そして動力と巧妙な操作を組み合わせるヒューマノイドプラットフォーム
部分: [ロボット兵器ガイド]
[←ブログ]
携帯電話操作は 実験室で働くロボットと 現実世界で有用なロボットとの間のギャップを 埋め尽くします プラットフォームやアルゴリズムや展開の現状です
携帯電話の操作が 解き放つもの
固定ベース操作ロボットは,固定点に中心とした1
機械の課題は,移動操作は単に"ナビゲーション+操作"ではない.移動ベースと操縦器腕を組み合わせることで,各サブシステムに単独でない結合問題が生じます.腕の動きはベースの安定を妨げる.ベースの動きは腕の姿の推定でエラーが生じます. 移動するプラットフォームから握り付けすることは,固定ベースシステムに存在していない位置エラーを導入します.これらの結合問題を解決することは,モバイル操作における主要な技術的な課題です.
プラットフォーム比較
| Platform | Mobility | Arm | Price | Best For |
|---|---|---|---|---|
| Hello Robot Stretch 3 | Wheeled (omnidirectional) | Telescopic single 7-DOF | $25K | Healthcare, elderly assist, research |
| Boston Dynamics Spot + Arm | Legged (4-leg) | 6-DOF 4kg payload | $100K+ | Industrial inspection + manipulation |
| Mobile ALOHA (Stanford) | Wheeled (custom base) | Bimanual ALOHA arms | $32K (base+arms) | Bimanual mobile manipulation research |
| Unitree H1 + arm | Humanoid biped | Custom 7-DOF | $90K | Humanoid mobile manipulation research |
| Fetch Robotics FR2 | Wheeled (diff drive) | 7-DOF 6kg payload | $65K+ | Warehouse, logistics, shelf picking |
全身 の 制御 方法
移動操作におけるベースと腕の動きを調整する2つの主导方法がある.
- MPCベースの全体制御: ローボット全体 (ベース + 腕) を浮動ベースシステムとして処理し,100
500Hzで関節軌道最適化を解決します.これは物理的に一貫したベース + 腕運動を生成し,動力結合を考慮します. 計算的に高価:完全なヒューマノイドシステム (Unitree H1 + 腕) のための現代プロセッサで 20 100ms の解像度が必要.これはリアルタイム制御に緊密な.ボストンダイナミックスとETHチューリッヒの ANYmal 実装は,ここでは最先端です. - 階層制御 (仮想フレーム): 独立したコントローラーを使用してベースを安定させ,その後安定したベースに付着した"仮想フレーム"で腕の軌道を計画する.計算的には安く (一つの組み合わせ最適化ではなく2つの分離コントローラー) そして調節が容易である.妥協:動力結合を完全に考慮していないため,ベースを乱す腕の動きは予測エラーを引き起こす. ベースダイナミックがよりシンプルな車輪システムに好まれる.
調整 の 課題
- Arm-Base Collision: 腕の作業空間は,ベースとの衝突を避けるために計画する必要があります.これは,腕とベース幾何学の両方を同時に含む全体衝突チェックを要求します.これはしばしば不足しています.
- ダイナミック安定性: 脚立体システムでは,高速な腕動きは,脚によって補償される反応トルクを生成する. 3kg の有用荷でフルスピードで動く腕は,底部で 20
50Nm の反応トルクを生成する. 脚立体システムに不調な調節を起こすのに十分な. 解決策:動いている間に腕加速を制限する,または全体MPCを通じて腕と脚制御器を結合する. - 移動または最近停止したベースからのグラップ: スポット+アームおよび類似のプラットフォームの研究では,位置化推定の残余振動と安定化により,ベースが最後の500msで停止したときに把握精度が3
5xより悪いことを示しています. 実践的な修正: 握手を開始する前に止めた後1 2秒間休憩するか,握手接近中に位置不確実性を補償するために力・トークの反射を使用する.
真の展開
- 勤勉ロボット・モキシ (病院物流): UTサウスウェスタン,HCAヘルスケア,オッセンガーを含む10以上の米国病院に部署されています.モキシは病院の廊下をナビゲートし,介護ステーションにサプライトレイを配達します. これはモバイル操作が商業的に成熟している場所を示しています 手動操作ではなく輸送と配送です
- 6 リバーシステム (倉庫): チェックロボットは倉庫労働者と共にナビゲートし,ゴミ箱を運び,ピックアーの歩行距離を50%~80%削減します.また:ナビゲーション+輸送は商業的に展開できる能力です.この規模では腕操作はまだ展開されていません.
- Hello Robot (臨床試験,高齢者支援): ストレッチロボットが自宅で高齢者支援のための多場臨床試験に携わっています 棚の物体を到達し,ドアを開く,物品を回収する.ストレッチデザインのシンプルさ (単一の望遠鏡腕) は,ここでの特徴であり,制限ではありません.
RCSVのソリューションチームは,モバイル操作プロジェクトを拡大し,アプリケーションの適切なプラットフォームとあなたを結びつけることができます. 現在のオファーを参照してください.
重要な研究論文 (2024~2025)
携帯電話操作の学術界は急速に進歩しました この論文は現在の最新技術を表しています
- モバイルALOHA (Zipeng Fu et al., Stanford, 2024): 静態ALOHAデータと50のモバイルデモによる共同訓練により,モバイル双手作業 (調理,掃除) が80%以上成功することを示した.
- TidyBot++ (Jimmy Wu et al.,Princeton, 2024): LLMベースのオブジェクト配置推理とモバイル操作を組み合わせて使用するパーソナライズされた整理システム.実家でのストレッチで展開.見たオブジェクトカテゴリーで85%,新しいオブジェクトで65%.高レベルの推理のための基礎モデルと低レベルの実行のための学習されたポリシーを組み合わせる力を示しています.
- RoboCasa (Yuke Zhu et al., UT Austin/NVIDIA, 2024): リアルハードウェアに移行する前にシミュレーションにおけるモバイル操作政策を訓練するために設計された100以上のキッチンタスクを持つ大規模なシミュレーション基準. 2,500+ 3Dオブジェクト,現実的な物理.シム-トゥ-リアルモバイル操作研究の主力基準.
- DexMobile (Qi et al., UC San Diego, 2025): 移動ベースナビゲーションと全身のポリシーを使用して巧妙な操作を組み合わせます.移動と手操作の両方を要求するピックアップ・デリーバータスクで実証されています. 目に見えない部屋での新しい物件での72%の成功は,以前の作業よりも大きな進歩です.
- ホームロボット (CMU/Meta, 2024): 家庭用作業のためのオープン語彙モバイル操作基準. ストレッチとスポットプラットフォームによる標準化評価プロトコル. ハードウェアと評価基準を固定することによって,方法間の公平な比較を提供します.
携帯電話操作のためのデータ収集
モバイル操作データ収集は固定ベース収集を超えて複雑さを増します
- ** 場所設定要件:** 演示中,すべての演示はエピソードを通して正確な6DOFベースポーズが必要です.ソリューション:外部動きキャプチャ (OptiTrack,部屋のセットアップで50,000ドル以上),オンボードSLAM (精度が低いが外部インフラストラクチャがない) または信頼マーカー (ArUcoタグ,それぞれ0.10ドル,環境周りに配置).
- 環境の一貫性: エピソード間には環境をリセットする必要があります 対象の位置だけでなく,ロボットの出発位置,ドア状態,ドラフト状態,混雑配置も. これはテーブルタスクと比較してリセット時間を3~5倍増やす.
- ナビゲーション +操作結合: デモは,ナビゲーションアプローチから,操作から,撤退までの完全な軌道を把握しなければならない.部分的なデモ (ナビゲーションのみ,または操作のみ) は,段階間の重要な移行情報を失います.
- 多室カバー: 作業が複数の部屋を対象とする場合,カメラの配置はすべての関連空間をカバーする必要があります.典型的なモバイル操作コレクションセットアップでは,固定カメラ4〜6台とロボットのオンボードカメラを使用します.
RCSVのサンフランシスコラボには,繰り返し可能な多室モバイル操作シナリオを可能にする構成可能なパーティションとフロアマークがあります.モバイル操作データ収集パッケージには,ローカライゼーションインフラストラクチャ,多カメラ記録,全軌跡キャプチャが含まれます. [連絡してください]
RCSVのモバイル操作能力
RCSVはモバイル操作研究およびデータ収集のための Stretch 3とMobile ALOHAプラットフォームを維持しています.当社の能力は以下のとおりです:
- テレオペレーション: ストレッチ (Meta Quest 3 + カスタムマッピング) のVRベースのテレオペレーション,モバイルALOHAのリーダーフォロー
- 環境: 構成可能なキッチン,リビング,倉庫のシナリオは,
- データフォーマット: HDF5 全6DOFベースポーズ,多カメラ同期ビデオ,関節状態,ナビゲーション軌跡
- リース: 顧客施設で現地データ収集のためにリース可能のモバイルプラットフォーム [リース]
関連 読書
- [ロボット腕購入ガイド2026 ]
T5 ) モバイルプラットフォームの武器を選択 - [ベストデクステロスのロボットハンド 2025]
T6 ) 携帯操作用のエンドエフェクター - [2026年のデータ収集コスト]
T7 ) モバイル操作価格設定 - 訓練の正しいアプローチを選択する
- 商用モバイル操作
- [RCSVデータサービス]
T10 ) モバイル操作データ収集 - ロボットリース
モバイルプラットフォームの利用可能
モバイル操作コンサルティングとハードウェア
RCSVはモバイル操作プラットフォームの選択,システム統合サポート,およびモバイル操作作業のためのデータ収集を提供しています.
[解決策を見る]