RIO: Flexible Real-Time Robot I/O for Cross-Embodiment Robot Learning
作者: Pablo Ortega-Kral, Eliot Xing, Arthur Bucker, Vernon Luk, Junseo Kim, Owen Kwon, Angchen Xie, Nikhil Sobanbabu, Yifu Yuan, Megan Lee, Deepam Ameria, Bhaswanth Ayapilla, Jaycie Bussell, Guanya Shi, Jonathan Francis, Jean Oh
分类: cs.RO
发布日期: 2026-05-12
备注: 14 pages, 12 figures, 5 tables. Accepted to Robotics: Science and Systems (RSS) 2026
💡 一句话要点
RIO：用于跨具身机器人学习的灵活实时机器人I/O框架
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱七：动作重定向 (Motion Retargeting) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 机器人I/O 跨具身学习 机器人控制 遥操作 数据格式化 VLA模型 机器人框架
📋 核心要点
- 现有机器人代码高度依赖特定硬件设置，导致代码复用和共享困难，阻碍了跨具身机器人学习的进展。
- RIO框架提供灵活的机器人控制、遥操作、数据格式化等组件，通过抽象层简化不同硬件平台的切换。
- 实验验证了RIO在多种机器人形态和硬件平台上的VLA部署能力，并使用其收集的数据微调了VLA模型。
📝 摘要（中文）
尽管近年来在收集多任务、多具身数据集，设计用于训练视觉-语言-动作模型（VLA）的配方，以及在不同机器人平台上展示这些模型方面做出了努力，但通用的跨具身机器人能力仍然是一个难以捉摸的理想。进展受到碎片化基础设施的限制：大多数机器人代码高度特定于用户决定的确切设置，这在尝试重用、回收或在用户之间共享工件时增加了主要的开销。我们提出了RIO（Robot I/O），一个开源Python框架，它为跨不同硬件平台和形态的机器人控制、遥操作、数据格式化、传感器配置和策略部署提供灵活、轻量级的组件。RIO提供的抽象使使用者能够做出任何选择并在它们之间切换，只需最少的重新配置工作。我们在三种形态（单臂、双臂、人形）和四种具有不同夹具和相机的硬件平台上验证了RIO在VLA部署工作流程中的有效性。使用RIO收集的遥操作数据，我们对最先进的VLA（包括$π_{0.5}$和GR00T）进行了微调，使其能够执行诸如拾取和放置、折叠和擦洗碗等家务任务。通过开源我们所有的努力，我们希望社区能够加速他们在真实世界机器人硬件上进行机器人学习的步伐。
🔬 方法详解
问题定义：现有机器人软件开发高度依赖于特定的硬件配置，导致代码难以在不同机器人平台之间复用和共享。这阻碍了跨具身机器人学习的发展，使得研究人员需要花费大量时间进行配置和调试，而不是专注于算法本身。现有方法缺乏一个通用的、灵活的接口来处理不同机器人的输入输出，从而限制了机器人学习的效率和可扩展性。
核心思路：RIO的核心思路是提供一个抽象层，将机器人硬件的底层细节与上层控制算法隔离开来。通过定义统一的接口和数据格式，RIO使得用户可以轻松地在不同的机器人平台之间切换，而无需修改大量的代码。这种设计提高了代码的可重用性和可移植性，降低了开发成本，并促进了跨具身机器人学习的研究。
技术框架：RIO框架主要包含以下几个模块：1) 机器人控制模块：提供统一的接口来控制机器人的运动和动作。2) 遥操作模块：允许用户通过远程控制机器人进行数据收集和任务演示。3) 数据格式化模块：将不同机器人平台的数据转换为统一的格式，方便后续处理和学习。4) 传感器配置模块：提供配置和管理机器人传感器的工具。5) 策略部署模块：将训练好的机器人策略部署到不同的机器人平台上。
关键创新：RIO最重要的技术创新在于其灵活的抽象层设计，它允许用户在不同的机器人硬件和软件之间自由切换，而无需进行大量的重新配置。这种设计极大地提高了机器人软件的可重用性和可移植性，降低了开发成本，并促进了跨具身机器人学习的研究。与现有方法相比，RIO更加通用和灵活，能够适应不同的机器人平台和任务需求。
关键设计：RIO的关键设计包括：1) 使用Python作为主要开发语言，因为它具有丰富的库和工具，易于学习和使用。2) 采用模块化的架构，使得各个模块可以独立开发和维护。3) 定义统一的接口和数据格式，方便不同模块之间的交互。4) 提供详细的文档和示例代码，帮助用户快速上手和使用RIO框架。具体参数设置、损失函数和网络结构取决于所部署的VLA模型，RIO主要负责提供数据和控制接口。
🖼️ 关键图片
📊 实验亮点
论文通过实验验证了RIO在三种机器人形态（单臂、双臂、人形）和四种硬件平台上的有效性。使用RIO收集的遥操作数据，对最先进的VLA模型（包括$π_{0.5}$和GR00T）进行了微调，使其能够执行诸如拾取和放置、折叠和擦洗碗等家务任务。实验结果表明，RIO能够显著提高机器人学习的效率和可扩展性。
🎯 应用场景
RIO框架可应用于各种机器人学习场景，例如家庭服务机器人、工业自动化机器人和医疗机器人等。通过RIO，研究人员可以更方便地收集和处理多具身机器人数据，训练更通用的机器人模型，并将其部署到不同的机器人平台上。这有助于加速机器人技术的普及和应用，提高机器人的智能化水平。
📄 摘要（原文）
Despite recent efforts to collect multi-task, multi-embodiment datasets, to design recipes for training Vision-Language-Action models (VLAs), and to showcase these models on different robot platforms, generalist cross-embodiment robot capabilities remains a largely elusive ideal. Progress is limited by fragmented infrastructure: most robot code is highly specific to the exact setup the user decided on, which adds major overhead when attempting to reuse, recycle, or share artifacts between users. We present RIO (Robot I/O), an open source Python framework that provides flexible, lightweight components for robot control, teleoperation, data formatting, sensor configuration, and policy deployment across diverse hardware platforms and morphologies. RIO provides abstractions that enable users to make any choice and to switch between them, with minimal reconfiguration effort. We validate RIO on VLA deployment workflows across three morphologies (single-arm, bimanual, humanoid) and four hardware platforms with varying grippers and cameras. Using teleoperated data collected with RIO, we fine-tune state-of-the-art VLAs including $π_{0.5}$ and GR00T on household tasks such as pick-and-place, folding, and bowl scrubbing. By open sourcing all our efforts, we hope the community can accelerate their pace of robot learning on real-world robot hardware. Additional details at: https://robot-i-o.github.io