TidyBot++: Открытый голономный мобильный манипулятор для обучения роботов

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

December 11, 2024

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

cs.AI

Аннотация

Для использования потенциала недавних достижений в области обучения по подражанию для мобильной манипуляции потребуется сбор большого количества демонстраций под руководством человека. В данной статье предлагается дизайн с открытым исходным кодом для недорогого, надежного и гибкого мобильного манипулятора, способного поддерживать произвольные манипуляторы и обеспечивать широкий спектр задач мобильной манипуляции в реальных условиях домашнего хозяйства. Ключевой особенностью нашего дизайна является использование силовых колес для обеспечения полной голономности мобильной базы, способной управлять всеми плоскими степенями свободы независимо и одновременно. Эта особенность делает базу более маневренной и упрощает многие задачи мобильной манипуляции, устраняя кинематические ограничения, создающие сложные и затратные движения в неголономных базах. Мы оснастили нашего робота интуитивным интерфейсом телефонной телеоперации для удобного сбора данных для обучения по подражанию. В наших экспериментах мы используем этот интерфейс для сбора данных и показываем, что полученные обученные стратегии успешно выполняют различные типичные задачи мобильной манипуляции в домашнем хозяйстве.

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.