联系销售
返回Guides

机器人:斯坦福的开源双手机电操作系统

完整的ALOHA机器人指南:它是什么,完整的BOM和成本 ($17K-$32K),使用ROS2和ACT设置,双手训练任务,

关于ALOHA所需要的一切, 让每一个实验室都可以使用双手机学习的平台. 从建筑和成本到设置,培训和替代品.

什么是ALOHA?

标志着一个低成本的开源硬件系统,用于双手机远程操作. 它是由托尼,维卡什 कुमार,塞尔盖·莱文和切尔西·芬在斯坦福大学开发的,并在2023年发表的论文中介绍了与ACT（Action Chunking with Transformers） 一起的"学习精细化双手操作" (Learning Fine-Grained 双臂操纵 with Low-Cost Hardware) " (模仿学习算法) 设计以与ALOHA数据合作.

在ALOHA之前,双手操作研究需要昂贵的工业机器人 (两辆Fanka Emika Pandas价格80,000美元+或Baxter价格25,000美元) 艾洛哈证明,两只消费者级的机器人手臂, 采用领袖跟随者配置, 可以收集高质量的双手示范数据,

该系统已被全球数十个实验室复制,并产生了几种变体,最著名的是Mobile ALOHA (为全身电话操作添加了轮基) 和 ALOHA 2 (谷歌DeepMind的改进版本,硬件宽容性更好).原始的ALOHA硬件设计,软件和训练代码是完全开源.

为什么ALOHA重要

艾洛哈的重要性不是硬件本身,它基本上是两个机器人手臂,

  • **民主化双手数据收集.**领导跟随者设计允许任何人类操作员在没有编程的情况下展示双手任务.操作员握着领导者的手臂并自然地执行任务;跟随者的手臂反映了运动,而摄像头记录了观测.这产生了第一批以大学实验室可访问的成本的大型双手示范数据集.
  • ** ACT算法,在同一篇论文中引入,一次预测100项未来行动,而不是一次一次行动. 这大大减少了以前模仿学习方法的复杂错误,在之前的方法达到20%-40%的任务中实现了80-90%的成功率.
  • 开源可复制性. 每个组件 - - CAD文件,BOM,ROS2驱动程序,数据记录脚本,ACT训练代码和预训练模型 - - 都可供公众使用.这使得机器人社区迅速采用和代.

固定ALOHA VS移动ALOHA

亚洛哈平台存在两个主要配置. 在决定要建造或购买什么之前,理解区别是必不可少的.

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

对于大多数团队来说,静止ALOHA是正确的起点.移动ALOHA为移动能力增加了10,000-15,000美元的成本和重要的集成复杂性.如果您的任务发生在单个工作站 - 组装,包装,厨房准备,实验室操纵 - - 静止ALOHA (或像OpenArm DK1]T8这样的ALOHA兼容的替代品) 是足够的.

详细的移动变体成本分类,请参阅我们的 移动ALOHA成本分类.

阿拉哈系统架构

了解ALOHA的架构有助于您评估是否要构建一个,购买一个替代品,或者完全外包数据收集.

硬件:领导者跟随者电操作

ALOHA使用领袖跟随者 (也称为主人-奴隶) 配置.每个双臂组由:

  • 追随器臂 (ViperX 300 S2): 执行任务和与物体交互的机器人臂.它具有6DOF加上抓住器 (7共),使用Dynamixel XM/XH系列伺服器,并且在完全延伸时具有750g的有效载荷.在远程操作期间,它以50Hz反射领袖臂的关节位置.
  • 领袖臂 (WidowX 250 S): 臂由人手持有和移动.它比追随者轻和短的,使其舒适地用于延长的数据收集会议.它通过重力补偿提供了力量反 - 伺服器保持手臂的自己的重量,所以操作员只感觉到他们的故意运动的惯性.

领导和追随者臂通过USB连接到同一机载计算机,通过Dynamixel U2D2适配器.控制循环在50Hz时读取领导臂的联合位置,并将匹配的位置命令发送到追随器臂. 对于透明的远程操作,总端到端延迟必须低于10ms (运营商不应感觉到其运动和追随者的反应之间存在延迟).

摄像机系统

艾洛哈使用英特尔RealSense深度摄像头在三个位置:

  • 两部手腕摄像头 (RealSense D405): 安装在后手腕手腕上,提供了操作工作空间的近距离视图.D405的最低深度范围为7厘米,使其适合在抓住时进行近场传感.
  • ** 一台空头摄像头 (RealSense D435):** 安装在工作空间之上,为空间背景提供上下视图.该摄像头捕捉了两臂的相对位置和工作空间布局.

对于有效的策略进行训练,所有三部相机都必须暂时同步 (在10ms内) 记录数据.英特尔多相机同步电缆提供硬件级同步.没有它,软件时间标签的配列引入30-60ms的动,降低训练性能10-20%.

计算堆

机载计算机 (通常是Intel NUC或相当的迷你PC) 同时处理三个任务:

  1. **实时控制:**通过Dynamixel伺服器巴士通过50Hz读取领导联合位置和指挥追随者联合位置.
  2. 摄像头捕捉: 通过三台摄像头以30fps记录同步的RGB框架.
  3. 数据记录: 写出所有传感器数据 (联合位置,速度,摄像头框架,时间) 到HDF5文件中,以便进行后续训练.

没有需要在机器人上进行GPU. 政策培训在单独的工作站 (RTX 4090或云GPU) 上进行离线. 政策部署 (输入) 可以在ACT模型的NUC的CPU上运行,这些模式需要不到10ms以前进传递.

固定ALOHA成本分类

静止的ALOHA配置 (没有移动基) 显著更便宜和更快的构建.

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

对于移动变体,添加10,000-15,000美元用于AgileX基,安装框架,额外电池和集成.查看我们的 [详细移动ALOHA成本分类]T10) 查看完整的移动BOM.

软件堆

艾洛哈软件堆有四层,每个层都是开源,并且都已得到充分的记录.

1. ROS2 适度 (实时控制)

提供通信层. 关键包:

  • Interbotix ROS2包: ViperX和WidowX手臂的驱动程序. 提供50Hz的联合状态发布和位置命令订阅.
  • RealSense ROS2 包装: 摄像头驱动器节点发布RGB和深度图像以30fps.
  • 电操作节点: 阅读领袖臂关节位置并以50Hz发送匹配命令给后手臂.
# 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存储库 (远程操作和记录)

官方的ALOHA GitHub存储库提供了领导跟随者远程操作和同步数据记录的脚本.它处理了将联合状态数据 (50 Hz) 与摄像头框架 (30 fps) 调整成时间印记的 HDF5 剧集的关键任务.每个剧集包含:

  • T2:形状 (T, 14) --指挥的关节位置 (7个手臂)
  • T3:形状 (T, 14) --测量关节位置
  • T4:形状 (T, 480, 640, 3) -- 空头摄像头
  • T5:形状 (T, 480, 640, 3)
  • T6:形状 (T, 480, 640, 3)

3.ACT培训法典 (非线政策学习)

作为 ALOHA 数据的默认训练算法, ACT (Transformers) 是 ALOHA 数据的默认训练算法.

  • **编码器:**通过ResNet-18图像编码器和联合状态多层感知器处理当前观测 (联合位置+摄像头图像).
  • 解码器: 一个具有CVAE (条件变量自动解码器) 的变压器解码器,可以同时预测100个未来行动.
  • 时间组: 在部署期间,重叠的行动块均值以指数权重,使连续预测之间的过渡平滑.
# 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. 雷罗伯特 (现代集成层)

哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈

设置指南概述

构建和配置ALOHA系统需要五个阶段.详细的步骤说明,请参阅我们的 [移动ALOHA设置指南]T12 (涵盖静止和移动配置).

第一个阶段:硬件组装 (3-5天)

按接手臂安装在操作员高度,组装抓手,安装摄像头,并连接所有电子设备.关键细节:臂基板必须在1mm内平面;摄像头安装必须刚性 (任何柔性产生不一致的数据).按子进行点,并将线程到易振动的关节上.

阶段2:ROS2设置和校准 (3-7天)

安装Ubuntu 22.04,ROS2 Humble,Interbotix驱动程序和RealSense驱动程序.设置Dynamixel伺服器参数:设置波音速率为1M,校准每个关节的零位置,设置PID收益,并设置领袖臂上的重力补偿.验证USB设备编程顺序 (重启后设备重新分配时,这是常见的错误来源).

第三阶段:第一次远程手术测试 (1-2天)

运行远程操作节点,并检查两双臂都能正确追踪.检查:领导到跟随者延迟 (必须低于10ms),追踪精度 (跟随者应与领导位置匹配到2度内),抓住器同步 (开放/关闭状态匹配),以及摄像头传输 (所有三个摄像头都以30fps产生清洁框架).在继续数据收集之前解决任何问题.

第四阶段:录制示范 (正在进行)

定义您的任务,配置录音脚本,开始收集示范. 开始一个简单的验证任务 (选择和放置) 验证整个管道之前投资时间复杂的任务. 收集50个验证任务的示范,训练一个政策,并评估. 目标:60%+成功率. 如果低于40%,在收集更多数据之前调试硬件/校准.

阶段5:培训ACT政策 (每次培训4-8小时)

按下你的数据集到 HuggingFace Hub (或本地训练),配置ACT超参数,然后训练.关键超参数:chunk_size=100,kl_weight=10,批量_size=8,num_epochs=2000.观看验证损失 - 训练是在200+个时代的损失平原时进行的. 部署训练的政策回到机器人进行评估.

绩效基准

这些成功率来自原始的ACT论文 (Zhao et al., 2023) 和随后的ALOHA出版物.你的结果将根据硬件校准质量,示范数量和操作员技能而异.

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

基准指标的关键见解: 联合训练对于移动任务非常重要.上述移动任务仅使用了50个移动示范,但与370个静态双手动示范进行了联合训练. 这意味着你可以在更便宜的静止设置上收集大部分数据,并添加少量的移动数据,

阿拉哈替代品的比较

许多系统以不同的价格和不同的折扣提供类似ALOHA的双手机远程操作功能.

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 操纵 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

为什么要考虑OpenArm DK1而不是ALOHA?

[OpenArm DK1] ((T17) (12,000美元) 专门作为一个与ALOHA兼容的替代品设计,消除了DIY构建过程.

  • 建造时间为4-8周. 在第一天收集您的第一次示范.
  • **高扭矩的伺服器.**OpenArm的定制动机比ViperX臂的Dynamixel XM430伺服器提供了30%多的扭矩,更好的热管理,减少了与过热相关的停机时间.
  • ALOHA兼容数据格式. 与 ALOHA相同的14DOF行动空间和HDF5集格式记录.基于DK1数据训练的政策可以根据 ALOHA数据进行细节调整,反过来.
  • **90天的保证和支持.**包括备件和技术支持.
  • 44%的成本低. $ 12,000 与 $ 20,500-22,700 对比较的静止ALOHA.

斯威尔士国家安全委员会如何协助ALOHA项目

无论您是从零开始构建ALOHA,寻找替代方案,还是只需要双手数据,RCSV提供多种方法来获得结果.

预制硬件

开臂DK1] (T18) (12,000美元) 的船只已经完全组装和校准,准备于第一天收集数据.对于单臂项目,OpenArm 1 (T19) (4500美元) 提供了更低的入口点.这两种系统都与LeRobot集成并产生与ALOHA兼容的数据格式.

专家运营商数据收集

斯威尔士国家安全委员会 (RCSV) 的数据收集服务提供专业收集的双手示范数据集.我们的运营商接受ALOHA式的远程操作培训,并使用一致的技术产生高质量的训练数据.我们提供HDF5,LeRobot或RLDS格式的数据集 - - 与ACT,扩散政策和其他模仿学习算法兼容.

  • 试点项目:$2,500 -- 50-100个示范单项任务,交付在2周内
  • **全场活动:**8000美元 - - 200-500个示范,多项任务,含注释和质量验证

机器人租

根据RCSV的 [机器人租计划]T21) 提供全集装,校准的双手动系统,每月租条件.租一个DK1每月2500美元 (包括维护和支持) 并收集您自己的环境中的数据.这消除了初始资本投资,并让您立即开始.

实验室访问

美国RCSV在旧金山,加州和马萨诸塞州奥尔斯顿运营装备机器人实验室. 如果您需要偶尔访问ALOHA类硬件用于数据收集,原型制造或评估,请联系我们) T22) 关于实验室访问安排.

常见的问题

ALOHA和ACT之间的区别是什么?

ALOHA是硬件平台 (机器人臂,摄像头,远程操作设置).ACT（Action Chunking with Transformers） 是训练操作策略的软件算法.它们是在同一篇论文中引入的,但是独立的:你可以收集ALOHA数据并使用Act而不是Act进行训练,或者你可以训练ACT从非ALOHA硬件的数据上. 查看我们的 [ACT指南]T23) 详细说明算法.

我可以使用ALOHA来完成操作以外的任务吗?

果机器的手臂具有有限的有效载荷 (750g在完全延伸时) 和范围 (300mm),使其不适合重型举起,高精度组装 (耐受性超过2mm),或需要超出伺服器的当前感测能力的力控制任务. 对于需要单个手指控制的精巧操作,请参见 Orca Hand 或 Paxini Gen3触摸手套.

我需要多少次演示?

对于一个简单的双手任务,变化有限 (固定对象位置,单次方法策略):50次示范可以通过ACT实现60%至80%的成功率.对于具有高变化性任务 (随机对象位置,多个有效方法):需要200-500次示范,以实现强的性能.对于多步骤任务 (5+连续子任务):300-1,000次示范. 我们的 [每次示范成本分析]T26) 提供了详细的指导.

在2026年,ALOHA是否仍然具有相关性?

尽管有较新的平台,ALOHA仍然是最广泛复制和最好记录的双手操作系统.大社区意味着比任何其他替代品更多的共享数据集,预训练模型和故障解决资源. 阿拉哈数据格式 (14DOF联合位置+多视图) 已成为双手学习的现实标准,大多数新的算法都被对阿拉哈任务进行了比较.

我可以把精明的手加到ALOHA上吗?

虽然需要进行重大修改.标准的ALOHA抓头是一个简单的1DOF平行.用多指手 (如[Orca Hand]T27),17DOF) 替换它,显著增加了动作空间的尺寸和远程操作的复杂性. 你还需要不同的远程操作接口 - - 标准的领导跟随者方法自然不适用于精英手.手套式远程操作 (使用[Paxini Gen3触摸手套]T28)) 是目前精英手控制的最佳实践.

哪里可以找到ALOHA数据集来测试我的算法?

哈格脸中心有几种公共ALOHA数据集:原始的ACT纸数据集 (插槽,叉检索,咖啡制作),移动ALOHA数据集 (桌子开车,门开车),以及社区为各种任务贡献的数据集.RCSV还在我们的 [数据集页面]T29上保留了精选数据集.

相关阅读

移动ALOHA成本分类 · 移动ALOHA设置指南 · 行动缩转换器 (ACT) · 行动与传播政策 · 机器人开始 · 模仿学习指南 · 数据服务 · 机器人租

获得 ALOHA- 兼容双手动数据

RCSV提供预建双手动硬件从12,000美元开始,专业数据收集从2,500美元开始,系统租从2,500美元/月开始.

据悉,在此期间, 公司的数据服务部 (数据服务部) 已获得了支持.