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

📄 arXiv: 2412.10447v1 📥 PDF

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

分类: cs.RO, cs.AI, cs.CV, cs.LG

发布日期: 2024-12-11

备注: Conference on Robot Learning (CoRL), 2024. Project page: https://tidybot2.github.io

💡 一句话要点

TidyBot++：用于机器人学习的开源全向移动操作平台

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 移动操作 全向移动 机器人学习 模仿学习 开源机器人平台

📋 核心要点

  1. 移动操作的模仿学习需要大量人工演示数据，但现有平台成本高、灵活性差，难以支持多样化的任务。
  2. TidyBot++采用全向移动底座设计，配备动力万向轮，实现平面内完全独立的运动控制，提高操作灵活性。
  3. 通过手机遥控界面收集数据，验证了学习策略在家庭场景中执行多种移动操作任务的有效性。

📝 摘要（中文）

为了充分利用模仿学习在移动操作方面的最新进展，需要收集大量人工引导的演示数据。本文提出了一个开源的移动操作平台设计，该平台经济、稳健且灵活，可以支持各种机械臂，从而能够执行各种现实世界的家庭移动操作任务。关键在于，我们的设计使用动力万向轮，使移动底座能够完全全向移动，独立且同时地控制所有平面自由度。这一特性提高了底座的机动性，并简化了许多移动操作任务，消除了非全向底座中产生复杂且耗时运动的运动学约束。我们的机器人配备了直观的手机遥控界面，可以轻松获取模仿学习的数据。在我们的实验中，我们使用这个界面收集数据，并表明由此产生的学习策略可以成功地执行各种常见的家庭移动操作任务。

🔬 方法详解

问题定义：现有移动操作机器人平台通常采用非全向移动底座，这导致在执行复杂操作任务时，机器人需要进行复杂的运动规划以克服运动学约束，增加了任务的难度和时间成本。此外，现有平台往往成本较高，限制了其在研究和教育领域的普及。

核心思路：TidyBot++的核心思路是设计一个低成本、高灵活性的全向移动操作平台，通过全向移动底座简化运动规划，并提供直观的遥控界面方便数据采集，从而加速模仿学习在移动操作领域的应用。

技术框架：TidyBot++平台主要包含以下几个模块：1) 全向移动底座：采用动力万向轮实现全向移动，能够独立控制x、y方向的平移和旋转；2) 机械臂：平台支持各种机械臂，可以根据任务需求进行选择；3) 控制系统：负责协调底座和机械臂的运动，实现精确的操作；4) 遥控界面：提供直观的手机遥控界面，方便用户进行数据采集。

关键创新：TidyBot++最重要的创新点在于其全向移动底座的设计。与传统的非全向移动底座相比，全向移动底座能够独立控制所有平面自由度，从而简化了运动规划，提高了机器人的操作灵活性和效率。此外，开源的设计降低了平台的成本，使其更容易被研究人员和教育工作者所采用。

关键设计：全向移动底座采用三个动力万向轮，每个万向轮由一个电机驱动，通过控制三个电机的转速和方向，可以实现底座在平面内的任意运动。遥控界面采用手机APP，通过蓝牙与机器人进行通信，用户可以通过APP控制底座和机械臂的运动。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，通过手机遥控界面收集的数据训练得到的策略，能够成功地执行各种常见的家庭移动操作任务，例如将物体放置到指定位置、清理桌面等。这些实验验证了TidyBot++平台在移动操作任务中的有效性和实用性，为模仿学习在机器人领域的应用提供了有力的支持。

🎯 应用场景

TidyBot++平台可广泛应用于家庭服务、仓储物流、医疗护理等领域。通过模仿学习，机器人可以学习执行各种复杂的移动操作任务，例如物品整理、清洁、搬运等。该平台还有助于推动机器人学习算法的研究和发展，促进机器人技术在实际生活中的应用。

📄 摘要（原文）

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.