TidyBot++: Un Manipolatore Mobile Ominidirezionale Open-Source per l'Apprendimento dei Robot

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

December 11, 2024

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

cs.AI

Abstract

Sfruttare la promessa dei recenti progressi nell'apprendimento per imitazione per la manipolazione mobile richiederà la raccolta di un gran numero di dimostrazioni guidate dall'uomo. Questo articolo propone un design open-source per un manipolatore mobile economico, robusto e flessibile che può supportare bracci arbitrari, consentendo una vasta gamma di compiti di manipolazione mobile domestica nel mondo reale. In modo cruciale, il nostro design utilizza ruote motrici per consentire alla base mobile di essere completamente olonomica, in grado di controllare tutti i gradi di libertà planari in modo indipendente e simultaneo. Questa caratteristica rende la base più manovrabile e semplifica molti compiti di manipolazione mobile, eliminando i vincoli cinematici che creano movimenti complessi e che richiedono molto tempo nelle basi non olonomiche. Dotiamo il nostro robot di un'interfaccia di teleoperazione intuitiva tramite telefono mobile per consentire una facile acquisizione di dati per l'apprendimento per imitazione. Nei nostri esperimenti, utilizziamo questa interfaccia per raccogliere dati e dimostrare che le politiche apprese risultanti possono eseguire con successo una varietà di comuni compiti di manipolazione mobile domestica.

English

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.