ToddlerBot

ToddlerBot – 斯坦福大学开源的机器学习与人形机器人平台

ToddlerBot是什么

ToddlerBot是斯坦福大学开发的一个开源操作平台，旨在通过高效地收集大规模和高质量的训练数据，推动机器学习与人形机器人的研究。ToddlerBot配备了30个主动度，采用Dynamixel电机，其整体成本控制在6000美元以内。利用数字孪生技术和零点校准，ToddlerBot能够实现从模拟环境到现实世界的无样本迁移，且配备的远程操作设备能够高效地支持现实世界数据的采集。ToddlerBot在执行和操作任务时表现优异，如臂展、负载能力、耐力以及动态能力。其开放的设计和详细的组装手册使其易于复制和维护，非常适合多种研究应用。

ToddlerBot

ToddlerBot的主要功能

高效数据收集：能够在模拟环境和现实世界中同时收集高质量训练数据，支持大规模机器学习任务。
全身与操作：具备30个主动度，能够执行复杂的全身和操作任务，如步行、俯卧撑、引体向上、双臂操作以及全身协调操作。
零样本模拟到现实转移：依托高保真的数字孪生技术和电机系统识别，确保模拟与现实之间的无缝策略转移。
远程操作与数据收集：配备直观的远程控制设备，支持基于人类示范快速收集现实世界数据，助力技能的学习。
人机交互与协作：支持多个机器人协作完成任务，如共同进行房间清理等复杂场景。

ToddlerBot的技术原理

数字孪生与零点校准：
- 数字孪生：基于精确的物理模型和系统识别技术，构建高保真的模拟模型，确保模拟数据与真实世界的一致性。
- 零点校准：使用3D打印的校准装置，快速校准机器人的零点位置，以确保控制的精确性。
电机系统识别（SysID）：通过命令电机跟踪扫频信号，收集位置跟踪数据，拟合执行模型，确保动态参数的准确性，使得机器人在模拟与现实中具备相同的特性。
远程操作技术：利用第二个上肢作为远程控制设备，通过力敏电阻和手持游戏机（如Steam Deck或ROG Ally X）来操控机器人的，支持人类操作员直观指导机器人完成复杂任务。
强化学习与模仿学习：
- 强化学习（RL）：利用MuJoCo和PPO算法训练步行和转向策略，输出关节位置设定值，实现高效的控制。
- 模仿学习：通过远程操作收集现实世界数据，训练扩散策略（Diffusion Policy），以完成复杂的操作任务。