在科技日新月异的今天，机器人技术在家庭场景中的应用逐渐成为现实，改变着我们的生活方式。今天，我们将深入探讨一篇关于家用机器人研究的论文，剖析其中的创新成果，
论文引用链接：http://tidybot2.github.io
研究背景与挑战
- 机器人模仿学习在现实应用中受数据匮乏制约，尤其是移动操作领域，缺乏合适研究硬件，现有商业移动基座存在尺寸大、不适合家用、运动学受限等问题。
- 旨在设计开源、低成本、灵活且适用于家庭环境的移动操作器，解决数据收集难题，推动机器人在家庭场景的应用。
创新设计：移动操作器全向移动基座
- 采用动力脚轮驱动机制实现全向移动，基于 FRC 组件构建驱动系统，通过修改 SDS MK4 旋转模块引入 caster 偏移，使机器人能独立控制三个自由度，提升机动性和操作灵活性。
- 选用标准铝制 T 型槽挤压框架，便于调整尺寸和形状；采用便携式电源站供电，确保各部件兼容性和灵活性；设计高度模块化，方便修改和添加部件，如支持不同机械臂和传感器的安装。
- 移动基座重 34kg，搭配 Kinova Gen3 机械臂（重 12kg），最大有效载荷约 60kg，运行时长达 8 小时，适用于多种室内地面，移动精度高（平移漂移 < 1cm/m，旋转漂移 < 1°/360°）。
便捷的数据收集：手机遥操作界面
- 开发基于手机的遥操作界面，利用 WebXR API 传输手机姿态信息，映射为机器人运动指令，无需额外遥操作设备，降低成本并提高灵活性。
- 通过该界面收集多种家庭任务演示数据，实验表明 50 - 100 次演示数据即可训练机器人成功完成任务，如打开冰箱、擦拭台面等，成功率可观。
任务场景介绍：
- 厨房任务
食材处理：需精准识别并处理各类食材，按烹饪要求切割蔬菜，对位置控制和力感知要求高。
餐具操作：准确收集、分类并放置餐具，要考虑餐具特性与空间布局。
- 客厅任务
物品整理：识别并整理散落物品，依据形状、材质确定策略并分类存放。
设备操控：精确操作电子设备遥控器或触摸屏，难度较大。
- 卧室任务
衣物管理：识别衣物类型后折叠整理，避免褶皱并整齐放置。
物品递送：依指令拿取物品并根据用户情况调整递送。
操作控制训练要素
- 传感器数据利用：位置、力和视觉传感器为机器人提供关键信息。
- 运动规划与优化：综合多因素规划最优轨迹并优化。
- 学习策略应用：强化学习与模仿学习助力机器人掌握任务技能。
Kinova 机械臂 Gen3-7Dof 在 此研究应用中 的关键作用
- 高精度运动控制 ：7 个自由度实现灵活精确运动，助力机器人模拟人类动作，提升抓取微小物品或精细操作的成功率。
- 力反馈与自适应调整 ：力传感器提供实时反馈，机器人依此感知力变化，调整力度与动作。如抓取易碎物时防损坏，装配时确保精度与稳定性。
- 灵活任务适应能力 ：多自由度设计适应不同任务，从厨房食材处理到卧室衣物折叠，能对各类物体有效操作，支持多场景应用，加快适应多样化任务训练。
研究的意义与展望
- 开源设计促进机器人学习社区发展，使更多研究者能开展移动操作研究，有望推动家用机器人技术的广泛应用，提升生活便利性。
- 未来可改进移动基座倒车性能，进一步优化机械臂功能，拓展机器人在家庭及其他场景的应用能力，如增强感知和决策能力以应对复杂情况。
文章引用链接：TidyBot++: An Open-Source Holonomic Mobile Manipulator for Robot Learning