返回Blog
2025年移动操纵机器人:平台,算法和实际部署
移动操纵的调查 <unk>轮式+臂,腿式+臂,以及人形平台,结合了移动和精巧的操纵.
机器人武器指南
[←博客]
移动操作是关闭实验室工作的机器人与现实世界中有用运作的机器人之间的差距.
移动操纵可以释放什么
固定基调操作机器人仅限于工作空间内工作任务. 总体积为1
移动操纵不仅仅是"导航+操纵"
平台比较
| 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 |
全身控制方法
在移动操纵中,有两个主导方法协调基和手臂运动:
- **基于MPC的全身控制:**将整个机器人 (基 + 臂) 视为浮动基系统,并解决100
500Hz的联合轨迹优化. 这产生了物理一致的基 + 臂运动,从而实现了动态 合. 计算成本高昂:需要20 100ms每次解决,用于现代化人形系统的处理器 (Unitree H1 + 臂),这对于实时控制来说很紧密.波士顿动力学和ETH苏黎世的 ANYmal实现是最先进的. - ** 层次控制 (虚拟框架):** 使用单独的控制器稳定基,然后在与稳定基相连的"虚拟框架"中规划臂轨道.计算上更便宜 (两个单独的控制器而不是一个联合优化) 并且更容易调节. 折衷:不完全考虑动态
合,因此扰乱基的臂运动会导致预测错误. 偏好用于基动态更简单的轮式系统.
协调工作的挑战
- 臂基碰撞: 臂的工作空间必须规划以避免与基碰撞,这需要一个全身碰撞检查器,同时包括臂和基几何.
- **动态稳定性:**对于腿部系统,高速臂运动会产生反应扭矩,必须由腿部补偿.一个以3kg的有效载荷以全速移动的臂部在底部产生20
50Nm的反应扭矩,足以破坏稳定的腿部系统.解决方案:在运动过程中限制臂部加速,或通过全身MPC将手部和腿部控制器连接. - 移动或最近停止的基地的抓获: Spot+Arm等平台的研究表明,当基地在过去500ms中停止时,抓获精度更差3
5x,因为残余振动和定位估计的定位. 实际解决方案:在开始抓取前,在停下后暂停1 2秒,或使用扭矩反 来弥补抓取方法时的位置不确定性.
实际部署
- 勤奋机器人摩克西 (医院物流): 在包括UT南西部,HCA医疗保健和奥克斯纳在内的10多个美国医院部署.摩克西导航医院走廊并向护理站提供供应托盘. 这说明移动操纵在商业上是成熟的:运输和交付而不是手动操纵.
- 6河系统 (仓库):
克机器人与仓库工人一起航行,携带垃圾桶,减少50 80%的采集者步行距离. - Hello Robot (临床试验,老年人辅助): 拉伸机器人正在多个场所的临床试验中,用于家庭老年人辅助.
解决方案团队可以帮助您实现移动操作项目,并将您与您的应用程序合适的平台联系起来.
关键研究论文 (2024-2025)
移动操作的学术界面迅速发展.
- 移动ALOHA (Zipeng Fu等人,斯坦福,2024): 证明与静态ALOHA数据加上50个移动示范的联合训练可实现80%以上的移动双手动任务 (
,清洁).关键见解:静态操纵技能转移到移动平台,使用最小额外的移动数据.这显著减少了移动操纵的数据收集负担. - **TidyBot++ (Jimmy Wu等,普林斯顿, 2024):**一个基于LLM的物体放置推理和移动操纵的个性化整洁系统.在实物房子中部署在Stretch上.成功率:在观测物体类别上85%,在新物体上65%.说明了结合高层次推理的基础模型和学习的低层次执行政策的能力.
- RoboCasa (Yuke Zhu等人, UT Austin/NVIDIA, 2024): 具有100多个厨房任务的大型模拟基准,旨在在将移动操纵策略训练在模拟中,然后转移到现实硬件.2,500多个3D对象,现实物理.
- DexMobile (Qi et al., UC San Diego, 2025): 结合移动基地导航与使用全身政策的巧妙操纵. 在需要移动和手动操纵的搜索和交付任务上证明. 72%的成功在未见的房间中新物体
比以前的工作显著提前. - HomeRobot (CMU/Meta, 2024): 家庭任务的开放词汇移动操纵基准. 标准化评估协议与拉伸和Spot平台.通过确定硬件和评估标准,提供了方法之间的公平比较.
移动操作数据收集
移动操作数据收集增加了超出固定数据库收集的复杂性:
- ** 定位要求:** 每个演示都需要在整个集中准确的6DOF基准.解决方案:外部运动捕捉 (OptiTrack,一个室内设置50万美元以上),载上SLAM (更不准确但没有外部基础设施),或信任标记 (ArUco标签,每一个0.10美元,在环境周围定位).
- 环境一致性: 环境必须在事件之间重置,不仅仅是对象位置,还包括机器人的起始位置,门状态,抽
状态和混沌配置.这将与桌面任务相比增加3-5倍的重置时间. - 导航+操纵
合: 演示必须从导航方法到操纵到退缩的整个轨迹.部分演示 (仅在导航或操纵) 失去了阶段之间关键的过渡信息. - 多间覆盖: 如果任务覆盖多间,则摄像头的放置必须覆盖所有相关空间.典型的移动操纵集装设置使用4至6个固定摄像头加上机器人的机载摄像头.
瑞士移动通信技术协会 (RCSV) 的旧金山实验室设有可配置的分区和地板标记,可重复多房间移动操作场景.我们的移动操作数据收集包包括本地化基础设施,多摄像头录制和全轨迹捕获. [联系我们]
移动操纵能力
瑞士公司为移动操纵研究和数据收集提供了Stretch 3和Mobile ALOHA平台.
- 远程操作: 基于VR的远程操作 (Meta Quest 3+定制地图),领先的追随者移动ALOHA
- 环境: 在我们1800平方英尺的收藏楼层里设置可设置的厨房,客厅和仓库场景
- 数据格式: HDF5 带有全6DOF基姿势,多摄像头同步视频,联合状态和导航轨迹
- **租
:**可租 的移动平台,用于在客户设施收集数据.
相关阅读
T5 ) 选择移动平台的武器 - [最好的
性机器人手 2025] T6 ) 移动操纵的终端效应器 - [2026年数据收集成本]
T7 ) 移动操纵定价 T8 ) 选择正确的培训方法 T9 ) 商业移动操纵 - [RCSV数据服务]
T10 ) 移动操纵数据收集 - [机器人租
] T11 ) 移动平台的可用性
移动操纵咨询和硬件
提供移动操纵平台选择,系统集成支持和移动操纵任务的数据收集.
[查看解决方案]