2023 年，斯坦福大学等组织推出了一个用于双机械手长途操作的低本钱开源硬件体系 ALOHA，它能够长途操作并完结拼装链条、托举乒乓球等杂乱、丰厚的使命。

  本年 1 月，谷歌 DeepMind 与斯坦福又联合推出了 Mobile ALOHA，相同能进行长途操作并仿照双手操作，经过移动底座在大的空间规划内完成长途操作。这样一来，备菜、翻炒、出锅，洗衣、逗猫、浇花它是样样精通，当之无愧的家务机器人火出了圈。

  今日，谷歌 DeepMind 联合斯坦福推出了 ALOHA 的增强版别 ——ALOHA 2。与一代比较，ALOHA 2 具有更强的功用、人体工程学规划和稳健性，且本钱还不到 20 万元人民币。

  而且，为了加快大规划双手操作的研讨，ALOHA 2 相关的一切硬件规划悉数开源了，并供给了具体的教程，以及具有体系辨认功用的 ALOHA 2 MuJoCo 模型。

  咱们先来一睹晋级后的 ALOHA 2 能做些什么，比方将不同的玩具放进三个不同的碗里。

  几乎绝了！ALOHA 2 显着进步了一代 ALOHA 的耐用性，然后能够在更杂乱的使命上进行大规划数据搜集。

  为支撑对杂乱操作使命的研讨，在 ALOHA 渠道上扩展数据搜集的规划成为方针之一，包含运用的机器人数量、每台机器人的数据搜集小时数以及数据搜集的多样性。这一扩展进程改变了相关于榜首代 ALOHA 渠道的要求和规划。

  关于 ALOHA 2，除了在 ALOHA 渠道的基础上建造，研讨者还针对以下范畴寻求进一步改进：

  功用和使命规划：增强 ALOHA 功用的要害组件，包含夹持器和控制器，以完成更广泛的控制使命。

  用户友好性和人体工学：为了优化大规划数据搜集，榜首先考虑用户体会和舒适度，包含改进用户界面体系的呼应性和人体工学规划。

  稳健性：添加体系的稳健性，最大极限地削减因确诊和修理形成的停机时刻。这就需求简化机械规划，并保证更大规划的机器人部队在全体上易于保护。

  夹持器：研讨者为领导机器人和跟从机器人的夹持器规划了新的低冲突轨迹。关于领导机器人，这改进了遥操作的人体工学和呼应速度。关于跟从机器人，这改进了推迟和夹持器的力气输出。此外，他们还晋级了手指上的抓胶带资料，以进步耐用性和抓取小物体的才能。

  重力补偿：研讨者运用现成的组件创建了一个被迫的重力补偿机制，与 ALOHA 原有的抓带资料体系比较，这进步了耐用性。

  结构：研讨者简化了环绕作业单元的结构，一起坚持了相机安点缀的刚性。这些改变为人机协作者和机器人互动的道具供给了空间。

  相机：ALOHA 2 运用更小的英特尔 RealSense D405 相机和定制的 3D 打印相机支架，以减小跟从臂的占地面积，然后削减对操作使命的阻止。这些摄像头还具有更大的视场角、深度、大局快门和更多的定制功用。

  模仿：研讨者在 MuJoCo Menagerie 中的 MuJoCo 模型中模仿了 ALOHA 2 机器人的准确标准，然后改进了数据搜集、战略学习和模仿评价，以应对具有挑战性的操作使命。

  为了使遥控操作更顺利，并改进人体工程学，本次采用了低冲突轨迹规划，降低了机械杂乱性，然后替代了 ALOHA 原有的剪刀导轨式机械手规划。

  研讨者规划并制作了低冲突随动机械手，替代了 ALOHA 开始的规划。较低的冲突削减了领导机器人和跟从机器人夹持器之间感知的推迟，明显改进了长途操作期间的运用者实在的体会。

  研讨者从头规划了支撑结构，并运用 20x20mm 铝型材将其制成。结构为领导机器人和重力补偿体系供给支撑，并为仰望摄像机和虫眼摄像机供给安点缀。

  与 ALOHA 比较，本次规划进行了简化，去掉了作业台与遥控操作员相对一侧的笔直结构。添加的空间使数据搜集方法愈加多样化。例如，人类协作者能够更轻松地站在作业区的对面与机器人互动，然后搜集人机互动数据。此外，还能够在作业台前摆放较大的道具，让机器人与之互动。

  研讨者发布了用于 ALOHA 2 作业单元的 MuJoCo Menagerie 模型，它关于长途操作和模仿学习十分有用。

  与之前发布的 ALOHA 模型比较，MuJoCo 的物理精度更高、视觉保真度更高，答应快速、直观、可扩展的模仿数据搜集。