机器人灵巧性研究最新进展

两项新型AI系统——ALOHA Unleashed与DemoStart——助力机器人学习执行需要灵巧动作的复杂任务。人类日常可轻松完成系鞋带、拧螺丝等任务，但对机器人而言，学习这类高灵巧性动作极其困难。为使机器人在动态环境中更好地与物理对象交互，需提升其操作能力。

双机械臂模仿学习的突破

目前多数先进AI机器人仅能使用单臂抓放物体。新提出的ALOHA Unleashed实现了双机械臂操作的高灵巧性，使机器人学会系鞋带、挂衬衫、维修其他机器人、安装齿轮及清洁厨房等任务。

ALOHA Unleashed基于某机构与斯坦福大学合作开发的低成本开源双手遥操作硬件系统ALOHA 2构建。新系统通过双手机械臂简化遥操作训练与数据收集，并以更少演示样本学习新任务。改进包括：

控制多指灵巧手机器人涉及复杂关节与传感器协调。DemoStart系统通过强化学习算法，帮助机器人在仿真环境中获取灵巧行为，尤其适用于多指手等复杂构型。

该方法特点：

Demo基于某机构开源物理模拟器MuJoCo开发，通过域随机化等技术缩小仿真与现实差距，实现近乎零样本的物理世界迁移。该方法将强化学习与少量演示相结合，自动生成跨越仿真-现实鸿沟的学习课程，显著降低实体实验成本与时间。

研究采用与某机构合作开发的三指灵巧手DEX-EE进行验证。

机器人技术是验证AI方法现实应用的重要领域。虽然大语言模型可描述如何拧螺栓或系鞋带，但即使嵌入机器人仍无法直接执行。灵巧性研究（包括本文提出的高效通用学习方法）将推动机器人在家庭、职场等场景协助人类完成各类任务。

尽管机器人要达到人类操作物体的熟练度仍需长期努力，但每一项突破性创新都在向正确方向迈进。

相关论文：

研究团队： DemoStart由某机构机器人团队开发，ALOHA Unleashed由某机构与学术机构合作完成。