AI 中文社/资讯/详情

李飞飞团队「具身智能」最新研究：机器人接手所有家务

2025-03-12 发布 · 浏览276次 · 点赞0次 · 收藏0次

李飞飞「具身智能」又出新研究了。

「机器人学习领域中的一个『圣杯』级挑战是执行通用的日常家庭移动操作任务。借助一款新型双臂移动机器人，我们的最新成果 ——BEHAVIOR Robot Suite（简称 BRS）正在尝试攻克这一极为困难且尚未解决的难题！」

在日常生活中，你有没有想过这样一个问题，即机器人究竟需要具备哪些能力才能真正帮助人类完成家务任务？BRS 就是为了解决这项任务而诞生的 —— 简单来讲，BRS 就是一个综合性框架，用于掌握机器人多样化家庭任务中移动全身操作。无论是倒垃圾、摆放衣物还是清洁马桶，BRS 都能让机器人应对这些日常实用活动。

例如，基于 BRS 的机器人可以帮助用户捡垃圾：

将扔在地上的物体重新放在架子上：

还能帮你清洁马桶，看起来是一个任劳任怨的机器人：

Party 过后帮你收拾桌子：

还能帮你去衣柜拿衣服：

这么全能的机器人是如何实现的呢？我们接着往下看。

方法介绍

论文主页：https://behavior-robot-suite.github.io/

机器人需要具备哪些关键能力才能有效执行日常家务？

通过分析，研究团队确定了成功执行这些任务所必需的三项全身控制能力：双手协调、稳定精确的导航以及广泛的末端执行器可达性。

例如，搬运大型重物需要双手操作，而在房屋中检索工具则依赖于稳定精确的导航。复杂任务 —— 如一边拿着杂货一边开门，需要协调运用这两种能力。此外，日常物品分布在不同位置和高度，这要求机器人能够相应地调整其触及范围。

经过精心设计的机器人硬件，配备双臂、移动底座和灵活躯干，是实现全身操作的关键。

然而，这类复杂设计给策略学习方法带来了重大挑战，尤其是在数据采集规模化和全身协调动作方面。

为应对这些挑战，研究团队推出了 BRS，旨在通过全身操作技术解决各种真实家庭任务。

BRS 有两项关键创新，两者协同解决机器人硬件和学习方面的挑战。

JoyLo（Joy-Con on Low-Cost Kinematic-Twin Arms）；
WB-VIMA（Whole-Body VisuoMotor Attention）。

JoyLo

为实现对高自由度移动机械臂的流畅控制，同时便于为后续策略学习收集数据，研究团队推出了 JoyLo —— 一种构建经济实惠的全身远程操作界面的通用框架。

研究团队在 R1 机器人上实现了 JoyLo，设计目标如下：

高效的全身协调控制系统，实现复杂动作的流畅衔接；
丰富的用户反馈机制，带来直观的远程操作体验；
确保高质量的示范动作，提升策略学习效果；
低成本实现方案，大幅提高系统可及性；
实时、便捷的控制器设计，确保操作无缝顺畅。

项目还提到，JoyLo 的成本总共不到 500 美元，团队还贡献了物料清单和组装说明。

物料清单地址：https://behavior-robot-suite.github.io/docs/sections/joylo/overview.html#bill-of-materials-bom
组装说明：https://behavior-robot-suite.github.io/docs/sections/joylo/step_by_step_assembly_guidance.html

WB-VIMA 策略