双手机操作:技术调查和应用 2025
双手机操作的调查 硬件平台,学习算法,数据收集挑战和工业应用.
双手操作解锁了单臂系统的任务覆盖率10倍,并引入了硬件,数据收集和算法设计的独特挑战.
为什么双手册重要
在现实环境中,大多数高价值操纵任务需要两手:折叠衣服,组装产品,食品准备,手术程序,精确放置的包装.单臂机器人可以自动化这些任务的子集,不需要稳定,重定或交付
斯坦福的ALOHA项目,展示了一台双手机学习执行像
硬件平台
艾洛哈和艾洛哈2 (斯坦福)
亚洛哈 (双手机远程操作的低成本开源硬件系统) 使用两只ViperX 300臂作为追随机器人,两只WidowX 250臂作为领导 (远程操作) 臂.
- ALOHA 2升级为更高扭矩电机,更好的手腕设计,更好的摄像头放置 (3 摄像头:上头 + 两支手腕安装). 允许更高精度的任务,包括手术级操纵. 斯坦福和谷歌DeepMind 发布为开源平台.
- 控制: 领导者跟随者联合位置控制50Hz.领导者和追随者之间的低延迟以太网连接.基于ROS 2.
- 数据格式: HDF5 具有同步的联合位置,速度,终端效应器位置和相机图像分别在50 Hz和30 fps.
双臂的ARX5
环球机器人 UR3e 双臂
两个 UR3e 臂安装在共享工作空间提供了工业级双手动系统,具有优秀的生态系统支持 (UR+插件,宽的抓住器选择).成本:40,000美元~60,000美元,用于双臂设置,包括抓住器和传感器. UR3e 内置的力感知 (±0.1N分辨率) 是接触丰富的任务的优势.
单树H1 / G1双手动人体
人类机器人提供双手操作,并与移动基地集成,可在未结构化的环境中完成任务.Unitree G1 (16,000美元) 和H1 (90,000美元) 提供了6DOF操纵能力的两臂.手臂精度低于专门操纵手臂,但可实现需要移动+操纵 (
协调工作的挑战
双手操作引入了单臂系统中不存在的独特技术挑战:
- **时间同步:**左臂和右臂必须执行与精确的时间协调的运动
例如,一臂必须稳定物体,而另一臂则需要力量,需要在臂控制器之间进行 <10 ms的同步. - **工作场所碰撞避免:**两个手臂共享一个工作场所,可以相互碰撞或操纵对象.规划必须同时考虑两个手臂配置,大大扩大规划状态空间.
- **转移计划:**需要从一手转移到另一手的任务要求转移手在转移手放出的时,接收手在正确的位置和方向上.
- ** 冗余分辨率:** 双手系统,使用12+DOF (6个臂) 来操纵6个DOF对象,具有6+级冗余.政策学习必须处理这种冗余性.
双手动系统数据收集
双手数据收集比单手数据收集大约高出两倍,但成本溢价通常低估:
- 操作员要求: 在领导跟随者远程操作中,双手系统需要 (a) 两个人操作员,每个操作一个手臂,或者 (b) 使用双手领导系统 (ALOHA类型) 的单个操作员.
- **同步质量:**双手示例需要两个操作员 (或领导系统的两个臂) 进行精确协调.
- **成功率:**双手任务通常比同等单臂任务 (70
85%) 具有较低的操作员成功率 (50 70%) ,因为协调失败是增量 - **实用预算:**对于一个L3双手工任务 (杯交付,物体组装),预算2000
5,000个示范,以培训可靠的政策 (而对于单臂相当的500 2,000).
双手册学习算法
- 独立的手臂政策 (不有效): 对于任何需要协调的任务,独立训练左手和右手的单独的政策都失败了.
- 联合状态空间 (要求): 政策必须同时观察两臂的12+DOF联合状态,并为两臂进行协调操作.ACT自然处理此事.
- 双手动ACT (标准建议): ACT与H=100和全双手动关节状态作为输入是双手动操纵任务的当前标准.最初的ALOHA论文显示了 92%的成功在杯交付和78%的成功在电池插入,每一个使用ACT的50个示例.
- **双手论:**由于其多模式的行动分布,双手论也很好地处理.
绩效基准
| Task | Algorithm | Demos | Success Rate | Notes |
|---|---|---|---|---|
| Cup handover | ACT | 50 | 92% | From ALOHA paper (Zhao et al. 2023) |
| Battery insertion | ACT | 50 | 78% | From ALOHA paper |
| Slot battery + close door | ACT | 50 | 65% | From ALOHA paper, complex timing |
| Cloth folding (T-shirt) | π0 (Physical Intelligence) | Proprietary | ~70% | From π0 technical report 2024 |
| Table busing | π0 | Proprietary | ~65% | Multi-step, variable objects |
对于双手采集和政策制定,RCSV运营ALOHA-2和ARX5双手系统.
在RCSV进行双手数据收集
RCSV 拥有ALOHA-2和ARX5双臂系统,可用于双手示范收集. 我们专注于标准数据供应商无法处理的协调敏感任务.