UMI on Legs: 让操作策略在四足机器人上实现移动化

UMI on Legs: 让操作策略在四足机器人上实现移动化

在机器人领域,让四足机器人具备灵活的操作技能一直是一个充满挑战的研究课题。近日,斯坦福大学和哥伦比亚大学的研究团队提出了一个名为"UMI on Legs"的创新框架,为解决这一难题提供了新的思路。这个框架巧妙地结合了真实世界的人类示范数据和仿真训练的全身控制器,为四足机器人提供了一种可扩展的操作技能学习方法。

创新框架的核心理念

UMI on Legs 的核心理念是将操作策略与全身控制分离,同时建立一个有效的接口来连接这两个部分。具体来说,该框架包含以下几个关键组成部分:

1. UMI手持夹持器: 这是一个带有GoPro相机的手持设备,用于收集真实世界中的人类操作示范数据。研究人员可以使用UMI在各种环境中收集丰富的操作数据,而无需实际的机器人。

2. 视觉-运动策略: 基于UMI收集的数据训练得到的策略,能够从图像输入生成夹持器的运动轨迹。

3. 操作中心的全身控制器: 在仿真环境中训练的控制器,能够控制四足机器人的全身运动,以精确跟踪给定的末端执行器轨迹。

4. 接口: 使用末端执行器在任务坐标系中的轨迹作为视觉-运动策略和全身控制器之间的接口。

这种设计使得现有的视觉-运动策略可以轻松地移植到四足机器人上,实现操作策略的移动化。

技术细节与创新点

真实世界数据收集

UMI (Universal Manipulation Interface) 是该框架中的一个关键组件。它是一个带有GoPro相机的手持夹持器,允许研究人员在不使用实际机器人的情况下收集真实世界的操作示范数据。这种方法有几个显著优势:

1. 成本效益高: 无需昂贵的机器人即可收集大量数据。
2. 灵活性强: 可以在各种环境中轻松收集数据。
3. 安全性高: 避免了使用真实机器人可能带来的安全风险。

仿真环境中的全身控制器训练

研究团队使用IsaacGym仿真器来训练四足机器人的全身控制器。这个控制器具有以下特点:

1. 操作中心设计: 控制器专注于跟踪世界坐标系中的末端执行器轨迹,而不是像之前的工作那样在机体坐标系中跟踪。这使得机器人能够更好地应对外部干扰,保持操作的稳定性。

2. 轨迹预测: 控制器能够预测未来的末端执行器轨迹,从而实现更精确的运动控制。例如,在投掷任务中,机器人可以提前调整姿态以获得更好的投掷效果。

3. 鲁棒性: 通过在训练中引入质量、重心和关节参数的随机化,控制器具有较强的鲁棒性,能够适应不同的环境和任务。

实验验证与应用

研究团队在多个任务上对UMI on Legs进行了测试,包括抓取、非抓取操作和动态操作任务。实验结果显示,该框架在所有任务中都达到了超过70%的成功率。特别值得一提的是,研究人员成功地将一个原本为固定基座机械臂设计的操作策略,零样本迁移到了四足机器人上。

一些令人印象深刻的演示包括:

1. 四足机器人精确投掷网球
2. 推动重物（如壶铃）
3. 在行走时重新排列桌面上的物品

这些任务展示了UMI on Legs框架的versatility和实用性。

硬件设计与系统集成

为了将UMI on Legs付诸实践,研究团队设计了一个名为"Espresso"的四足机器人平台。这个平台具有以下特点:

1. 机械臂: 配备了一个名为"Oat Milk"的机械臂,末端安装了3D打印的夹持器。
2. 视觉系统: 在头部安装了GoPro相机,用于提供视觉输入。
3. 定位系统: 在机器人的"臀部"安装了iPhone,运行自定义iOS应用程序,用于提供机器人的姿态信息,实现世界坐标系下的稳定控制。

这种硬件配置使得Espresso能够灵活地执行各种操作任务,同时保持移动能力。

未来展望与潜在应用

UMI on Legs框架为四足机器人的操作能力开辟了新的可能性。一些潜在的应用领域包括:

1. 搜救任务: 四足机器人可以在复杂地形中移动,同时执行精细的操作任务。
2. 工业检修: 在狭窄或危险的环境中进行检查和维修工作。
3. 家庭服务: 未来的家用机器人可能会采用类似的设计,既能在家中自由移动,又能完成各种日常任务。

然而,研究团队也指出了当前框架的一些局限性,如操作策略与全身控制器之间的单向通信可能导致某些不可达目标的问题。未来的工作可能会focus on改进这一接口,实现双向通信和多个末端执行器的协调控制。

结论

UMI on Legs 为四足机器人的操作能力提供了一个创新的解决方案。通过结合真实世界的数据收集、仿真训练和巧妙的系统设计,这个框架为机器人研究社区提供了一个可扩展、灵活的平台。随着进一步的发展和完善,我们可以期待看到更多令人惊叹的四足机器人应用在不久的将来成为现实。

对于有兴趣深入了解或尝试复现这项工作的研究者和开发者,UMI on Legs 的源代码和详细文档已在GitHub上开源。这为推动四足机器人技术的进步和创新应用提供了宝贵的资源。