TidyBot++: Een open-source holonomische mobiele manipulator voor robotleren

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

December 11, 2024

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

cs.AI

Samenvatting

Het benutten van de belofte van recente ontwikkelingen in imitatieleren voor mobiele manipulatie zal vereisen dat er grote aantallen door mensen geleide demonstraties worden verzameld. Dit artikel stelt een open-source ontwerp voor voor een goedkope, robuuste en flexibele mobiele manipulator die willekeurige armen kan ondersteunen, waardoor een breed scala aan alledaagse mobiele manipulatietaken in huis mogelijk wordt. Cruciaal is dat ons ontwerp aangedreven zwenkwielen gebruikt om de mobiele basis volledig holonomisch te maken, in staat om alle vlakke vrijheidsgraden onafhankelijk en tegelijkertijd te regelen. Deze eigenschap maakt de basis wendbaarder en vereenvoudigt vele mobiele manipulatietaken, door de kinematische beperkingen te elimineren die complexe en tijdrovende bewegingen creëren in niet-holonomische bases. We rusten onze robot uit met een intuïtieve mobiele teleoperatie-interface om gemakkelijke gegevensverzameling voor imitatieleren mogelijk te maken. In onze experimenten gebruiken we deze interface om gegevens te verzamelen en laten zien dat de resulterende geleerde beleidslijnen met succes verschillende gangbare huishoudelijke mobiele manipulatietaken kunnen uitvoeren.

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.