斯坦福开源ToddlerBot：机器学习与人形机器人新突破

加利福尼亚州斯坦福 – 在人工智能和机器人技术领域，一个令人兴奋的进展正在发生。斯坦福大学近日开源了其研发的机器学习与人形机器人平台——ToddlerBot。该平台旨在以低成本和高效率的方式，推动运动操作领域的研究。

ToddlerBot并非一个简单的玩具，而是一个拥有30个主动自由度的人形机器人，这意味着它能够执行复杂的全身运动和操作任务。更令人印象深刻的是，其总成本被控制在6000美元以内，这主要归功于Dynamixel电机的应用和精心的设计。

ToddlerBot的核心优势：

高效的数据收集： ToddlerBot的设计初衷就是为了高效地收集大规模、高质量的训练数据。它能够同时在模拟环境和现实世界中进行数据收集，为机器学习算法提供充足的“养料”。
全身运动与操作： 凭借其30个自由度，ToddlerBot能够执行各种复杂的动作，例如步行、俯卧撑、引体向上、双臂协同操作以及全身操作。
零样本模拟到现实转移： ToddlerBot采用了高保真数字孪生技术和电机系统识别技术，实现了从模拟到现实的无缝策略转移。这意味着在模拟环境中训练出的AI模型可以直接应用到真实的机器人上，无需额外的调整。
远程操作与数据收集： ToddlerBot配备了直观的远程操作设备，允许人类操作员通过演示来指导机器人完成复杂的任务。这种方式可以快速收集现实世界的数据，用于学习运动技能。
人机交互与协作： ToddlerBot支持多机器人协作任务，例如共同完成房间清理等复杂场景。这为未来的人机协作研究提供了新的可能性。

技术解析：ToddlerBot背后的秘密

ToddlerBot的成功并非偶然，而是建立在一系列先进技术的基础之上：

数字孪生与零点校准： 通过精确的物理模型和系统识别技术，ToddlerBot创建了一个高保真的模拟模型，确保模拟数据与现实世界的一致性。同时，利用3D打印的校准设备，快速校准机器人的零点位置，确保运动控制的准确性。
电机系统识别（SysID）： 通过命令电机跟踪扫频信号，收集位置跟踪数据，拟合执行模型，确保动态参数的准确性。这使得机器人在模拟和现实世界中具有相同的运动特性。
远程操作技术： ToddlerBot使用第二个上肢作为远程操作设备，基于力敏电阻和手持游戏电脑（如Steam Deck或ROG Ally X）控制机器人的运动。这种方式允许人类操作员直观地指导机器人完成复杂的任务。
强化学习与模仿学习： ToddlerBot结合了强化学习和模仿学习两种方法。利用MuJoCo和PPO算法训练步行和转向策略，实现高效的运动控制。同时，基于远程操作收集现实世界数据，训练扩散策略（Diffusion Policy），实现复杂的操作任务。

ToddlerBot的应用前景：

ToddlerBot的开源设计和强大的功能使其在多个领域具有广泛的应用前景：

开源的意义：

斯坦福大学选择开源ToddlerBot，无疑将加速该领域的研究进展。研究人员可以基于ToddlerBot平台进行二次开发，探索更多可能性。这种开放合作的精神，将推动人工智能和机器人技术的发展，为人类创造更美好的未来。

项目地址：

参考文献：

H Shi, et al. (2024). ToddlerBot: An Open-Source Machine Learning and Humanoid Robot Platform for Motion Manipulation. arXiv preprint arXiv:2502.00893.

（完）

>>> Read more <<<