今天，會做一大桌子菜的斯坦福機械人Mobile ALOHA刷屏全網。
滑蛋蝦仁、乾貝燒雞、蚝油生菜，色香味俱全，看着很誘人。
就拿滑蛋蝦仁這道菜來說，Mobile ALOHA在燒水的過程中先打上3顆雞蛋，然後把蝦仁放到水中焯熟，平底鍋倒入雞蛋液再加入蝦仁，攪拌幾下，一道菜完成了。
再看乾貝燒雞的製作過程。
首先，將去骨雞腿肉煎至兩面金黃，再加入乾貝等調料之後，悶個20分鐘即可。
最後擺盤時，再撒上一小撮蔥花，完美。
至於蚝油生菜，機械人「大廚」的基操也是非常嫻熟。
甚至，還能切蒜末。
網友看後紛紛表示，我們簡直生活在未來！用不了多久快餐店做漢堡的工作要全面被機械人取代！
就連Pytorch之父稱讚道，很酷的新家機械人平台，很高興看到更多的工作在這個方向上！
這個由斯坦福三人團隊研發的全新移動機械人Mobile ALOHA，可以通過模仿學習，執行各種複雜的任務。
它不僅可以自主操作，還可以支持全身遠程操控。
值得一提的是，機械人的成本僅為32000美元（約22萬），甚至軟件和硬件全部開源。
論文地址：https://mobile-aloha.github.io/resources/mobile-aloha.pdf
研究人員每個任務只用了50個演示，便讓Mobile ALOHA機械人始終如一地做一件事，比如連續9次擦拭灑在桌子上的葡萄酒，連續5次乘坐電梯。
它還可以在受干擾的情況下，把鍋放入碗櫃。即便是訓練數據中看不到的椅子，也能夠擺正。
50個演示如何就讓機械人擁有如此強大的學習能力？作者解釋關鍵在於，利用靜態ALOHA數據共同訓練模仿學習算法。這能持續提高性能，尤其是在需要精確操作的任務中。
再來看一波Mobile ALOHA炫酷的演示吧！清洗平底鍋：和人擊掌：炒蝦仁：此外，還可以遙控Mobile ALOHA完成一些更加精細的工作。比如把紙抽出來擦玻璃。
以及用笤帚掃地等等。
2024年還沒到來之前，許多大佬都在預測機械人便是今年除了大模型，另一件重要的研究領域。
沒錯，2024年將會是機械人元年。
一般來說，開發通用機械人一個非常有前途的方法是，從人類提供的演示中進行模仿學習。這種「行為克隆」可以讓機械人學習各種原始的技能，從簡單的拾放操作，到更精細的操作等等。然而，現實生活中許多任務，都需要全身協調的機動性，以及靈巧操作，而非單獨的移動或操作行為。這篇論文中，作者研究了將「模仿學習」擴展到需要雙臂移動機械人全身控制的任務可行性。
當前，有兩個主要因素阻礙了「模仿學習」在雙臂機械人移動操作中的廣泛應用。一是，缺乏即插即用的「全身遠程操控硬件」。如果購買現成的，雙臂移動操作器成本會很高，比如PR2和TIAGo這樣的機械人價格超過20萬美元。為了在這些平台上實現遠程操控，額外的硬件和校準也是必要的二是，之前的機械人學習研究中，尚未證明對於複雜任務的高性能雙臂移動操作。
在本文中，研究人員試圖解決將「模仿學習」應用於雙臂移動操作的挑戰。在硬件方面，作者引入了機械人Mobile ALOHA，一個低成本的全身遙作業系統，用於收集雙臂移動操作數據。通過將其安裝在輪式底座上，Mobile ALOHA擴展了原始ALOHA的能力，即低成本和靈巧的雙人木偶操縱設置。然後，用戶將身體栓在系統上，反向驅動輪子，以便底座移動。當用戶雙手控制ALOHA時，底座可以獨立移動。研究人員同時記錄底座速度數據和手臂操縱數據，形成一個全身遠程操控系統。
值得一提的是，斯坦福團隊在打造Mobile ALOHA的所有成本僅用了3萬美元。在具體的機械人設計中，它們綜合考慮了四個關鍵的因素：-移動：系統的移動速度可與人類行走的速度相媲美，大約每秒1.42米。-穩定性：當操作重型家用物品，如鍋和櫥櫃時，能夠保持穩定。-全身遠程操控：所有自由度都可以同時遙操作，包括手臂和移動底座。-不受束縛：機載電源和計算如下圖所示，可以清楚地看到Mobile ALOHA的技術規格。Mobile ALOHA有2個腕部攝像頭，和1個頂部攝像頭，並配有機載電源和計算。另外，遠程操作裝置可以拆除，Mobile ALOHA自主執行時只使用2個ViperX300。兩隻手臂的最低/最高高度分別為65厘米/200厘米，並從底座伸出100厘米。
研究人員選擇AgileX Tracer AGV（Tracer）作為了移動底座，這是一個專為倉庫物流設計的。其移動速度可以達到1.6m/s，接近人類的平均步行速度。它的最大有效載荷為100千克，高度為17毫米。值得一提的是，Tracer在美的售價為7000美元，比同等速度和有效載荷的Clearpath的AGV便宜5倍多。
然後，研究人員試圖在Tracer移動底座和ALOHA機械臂的基礎上設計一個全身遠程操控系統，即一個可以同時控制底座和兩個機械臂的遠程操控系統。而將操作員的腰部拴在移動底座上的設計是最簡單直接的解決方案，這樣可以反向驅動車輪，而車輪在扭矩關閉時摩擦力非常小。為了改善人體工程學和擴大工作空間，團隊還安裝了4個ALOHA手臂都面向前，不同於原始面向內的ALOHA手臂。
