TidyBot++: Ein Open-Source Holonomer Mobiler Manipulator für das Lernen von Robotern

TidyBot++: An Open-Source Holonomic Mobile Manipulator for Robot Learning

December 11, 2024

Autoren: Jimmy Wu, William Chong, Robert Holmberg, Aaditya Prasad, Yihuai Gao, Oussama Khatib, Shuran Song, Szymon Rusinkiewicz, Jeannette Bohg

cs.AI

Zusammenfassung

Die Ausnutzung des Potenzials der jüngsten Fortschritte im Bereich des Imitationslernens für mobile Manipulation erfordert die Sammlung einer großen Anzahl von menschengeführten Demonstrationen. Dieser Artikel schlägt ein Open-Source-Design für einen kostengünstigen, robusten und flexiblen mobilen Manipulator vor, der beliebige Arme unterstützen kann und somit eine Vielzahl von realen Haushaltsaufgaben für mobile Manipulation ermöglicht. Entscheidend ist, dass unser Design motorisierte Lenkrollen verwendet, um es der mobilen Basis zu ermöglichen, vollständig holonom zu sein, und somit alle planaren Freiheitsgrade unabhängig und gleichzeitig steuern zu können. Diese Eigenschaft macht die Basis wendiger und vereinfacht viele mobile Manipulationsaufgaben, indem sie die kinematischen Einschränkungen beseitigt, die komplexe und zeitaufwändige Bewegungen in nicht-holonomischen Basen verursachen. Wir statten unseren Roboter mit einer intuitiven mobilen Telefon-Fernsteuerungsschnittstelle aus, um eine einfache Datenerfassung für das Imitationslernen zu ermöglichen. In unseren Experimenten verwenden wir diese Schnittstelle, um Daten zu sammeln und zeigen, dass die resultierenden gelernten Richtlinien erfolgreich eine Vielzahl von gängigen Haushaltsaufgaben für mobile Manipulation ausführen können.

English

Exploiting the promise of recent advances in imitation learning for mobile manipulation will require the collection of large numbers of human-guided demonstrations. This paper proposes an open-source design for an inexpensive, robust, and flexible mobile manipulator that can support arbitrary arms, enabling a wide range of real-world household mobile manipulation tasks. Crucially, our design uses powered casters to enable the mobile base to be fully holonomic, able to control all planar degrees of freedom independently and simultaneously. This feature makes the base more maneuverable and simplifies many mobile manipulation tasks, eliminating the kinematic constraints that create complex and time-consuming motions in nonholonomic bases. We equip our robot with an intuitive mobile phone teleoperation interface to enable easy data acquisition for imitation learning. In our experiments, we use this interface to collect data and show that the resulting learned policies can successfully perform a variety of common household mobile manipulation tasks.