松灵斯坦福Mobile ALOHA同款 | 通过低成本全身远程操作实现双手机器人移动操控学习

破解双手机器人移动操作的核心方案

当前机器人移动操控领域存在两大关键问题，严重制约技术落地：

• 硬件门槛高：传统双手机器人移动系统（如PR2、TIAGo）售价超 20 万美元，普通研究机构难以负担；且多数系统仅支持单臂或基础移动控制，缺乏 “双手 + 底座” 协同的全身远程操作能力，无法满足家务、烹饪等复杂场景需求。

• 模仿学习效率低：现有模仿学习多聚焦桌面级单任务（如拾取- 放置），针对 “移动 + 双手操控” 的适配性差；且需为特定硬件从零采集演示数据，数据量需求大，同时底座微小姿态偏差易导致手臂末端大幅偏移，任务成功率低。

为解决上述问题，斯坦福团队提出Mobile ALOHA系统，通过 “低成本硬件设计 + 跨数据集联合训练” 的组合方案，实现三大核心成果：

• 硬件成本低，且支持全身远程操作；

• 单任务仅需20-50 次演示即可自主完成复杂移动操控（如虾仁快炒、电梯呼叫）；

• 突破“静态操控” 局限，实现家庭、办公场景下的长时任务自主执行。

松灵斯坦福Mobile ALOHA同款实力“出圈”