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。
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:
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。
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。
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。
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。
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:
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:
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。
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。
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。
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:
这些任务展示了UMI on Legs框架的versatility和实用性。
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:
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。
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:
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。
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。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火 大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版 和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号