谷歌DeepMind助力斯坦福家務(wù)機器人2.0來了

《科創(chuàng)板日報》2月8日訊（編輯 宋子喬） 還記得那個“眼里有活”的機器人Mobile ALOHA嗎？就在今天，谷歌DeepMind聯(lián)合斯坦福華人團隊展示了Mobile ALOHA 2.0版本（以下簡稱ALOHA 2）。與一代相比，ALOHA 2通過打磨硬件（改進了夾持器、重力補償、框架、相機），具備了更佳的性能（更強的抓握能力、更快的反應(yīng)速度）、人體工程學設(shè)計，穩(wěn)定性也更好。也就是說，升級后的ALOHA 2能做的復(fù)雜、精細化動作更多了：拋物“偷錢”給玩偶戴隱形眼鏡（目前也只敢上手玩偶……）開牛奶、倒可樂玩具分類為什么要優(yōu)化硬件？其研究團隊表示，多樣化的演示數(shù)據(jù)集推動了機器人學習的重大進步，但此類數(shù)據(jù)的靈活性和規(guī)?？赡苁艿接布杀?、硬件魯棒性和遠程操作難易程度的限制。也就是說，更好的硬件能擴展機器人的使用場景，輔助機器人完成更復(fù)雜的任務(wù)，從而收集更豐富的數(shù)據(jù)，反哺機器人研究。為了加速大規(guī)模雙手操作的研究，ALOHA 2相關(guān)的所有硬件設(shè)計全部開源，并提供了詳細的教程，以及具有系統(tǒng)識別功能的ALOHA 2 MuJoCo模型。數(shù)據(jù)一直是機器人研究的致命弱點，模擬和合成數(shù)據(jù)將在解決機器人靈巧性乃至整個計算機視覺問題上也將發(fā)揮關(guān)鍵作用。MuJoCo模型對于遠程操作和模擬學習非常有用。與之前發(fā)布的ALOHA模型相比，MuJoCo的物理精度更高、視覺保真度更高，允許快速、直觀、可擴展的模擬數(shù)據(jù)收集。以下為使用Google Scanned Objects Dataset與MuJoCo模型進行遠程操作的示例（1倍速）：