TidyBot++: Um Manipulador Móvel Holonômico de Código Aberto para Aprendizado de Robôs

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

December 11, 2024

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

cs.AI

Resumo

Explorar a promessa dos avanços recentes em aprendizado por imitação para manipulação móvel exigirá a coleta de um grande número de demonstrações guiadas por humanos. Este artigo propõe um design de código aberto para um manipulador móvel barato, robusto e flexível que pode suportar braços arbitrários, permitindo uma ampla gama de tarefas de manipulação móvel doméstica do mundo real. Crucialmente, nosso design utiliza rodízios motorizados para permitir que a base móvel seja totalmente holonômica, capaz de controlar todos os graus de liberdade planares de forma independente e simultânea. Essa característica torna a base mais manobrável e simplifica muitas tarefas de manipulação móvel, eliminando as restrições cinemáticas que criam movimentos complexos e demorados em bases não holonômicas. Equipamos nosso robô com uma interface intuitiva de teleoperação de celular para facilitar a aquisição de dados para aprendizado por imitação. Em nossos experimentos, utilizamos essa interface para coletar dados e demonstrar que as políticas aprendidas resultantes podem executar com sucesso uma variedade de tarefas comuns de manipulação móvel doméstica.

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.