迈过2023年，也就是在刚刚进入2024年的第一周，斯坦福大学的研究团队又对外公开了一个开源项目，一个名为「Mobile ALOHA」的机器人开源项目。

　　尤其是在其公布出的几个忙起来像模像样的视频，一经短视频大肆传播，让不少人惊叹，这不妥妥就是我们梦寐以求的保姆机器人吗？

　　然而，和当年跑酷、蹦迪的波士顿动力超能机器人一样，在如今失焦的媒体视角下，斯坦福研究团队的这一项目的魔力再次被神话。

　　面对大家如此始料未及的反响，就连Mobile ALOHA项目联合负责人Tony Z. Zhao都亲自在Twitter上放出Mobile ALOHA执行任务失败的视频，并称，“机器人还没有准备好接管世界！”

　　实则，如果花些时间看完这篇论文，就会发现，Mobile ALOHA是一个不错的开源项目，也是一个和现在主流视野中的具身智能略有不同的机器人项目。

　　Mobile ALOHA是一个会收拾家务，又会煎蛋煮饭的机器人，而这台机器人能完成的这些工作，正是家庭保姆机器人所需要的技能。

　　正因如此，Mobile ALOHA一度被认为是保姆机器人的原型机，甚至被人认为是未来几年内推动机器人保姆出现的关键。

　　在这篇论文中，Mobile ALOHA在硬件上被定义为「一种用于收集双臂运动数据的低成本全身远程操作系统」。

　　看过锌产业此前文章的人应该都了解，在机器人领域，除去工业机械臂外，还有两类机器人已经相当成熟：

　　实际上，正是关乎机器人移动能力的定位导航、路径规划等技术的成熟，推动了这两类产品在上一个十年逐渐普及。

　　就移动底盘而言，Mobile ALOHA直接选用了市面上成熟的AGV产品，解决了机器人在家庭环境下的移动能力。

　　这里主要是指机械手臂的运动控制，也是Mobile ALOHA这一开源项目的独特性和技术含量所在。

　　Mobile ALOHA采用的依然是更直接的「模仿学习」——通过人类操作机器人，机器人学习模仿人类行为，构成机器人的行为逻辑。

　　在这一项目发布的视频中，我们看到的人类操作机械臂运动的场景，其实就是模仿学习中人类示教的过程，也是机器人模仿学习中最为关键的一步。

　　正是凭借这样一套方，Mobile ALOHA仅需要人类通过50次演示的训练，在处理日常家务时，就能够达到80%以上的成功率。

　　在这篇论文中，作者一共对Mobile ALOHA进行了7项任务的训练和研究，分别是擦红酒、炒虾仁、冲洗平底锅、收纳平底锅、呼叫电梯、推椅子、击掌。

　　在最终呈现出来的演示视频中，最让人惊讶的是，Mobile ALOHA竟然能很好地做出让不少猛男少女都挠头的滑蛋虾仁。

　　除了需要人类示教，让机器人模仿学习外，作者还为Mobile ALOHA导入了一个静态数据集，这个数据集包含了825个任务的双臂执行数据。

　　不过，这825个任务的双臂执行数据与Mobile ALOHA要执行的任务不同，甚至产生这些数据的机器人原型与Mobile ALOHA双臂安装位置也不同。

　　科研是一条漫长的道路，所有成熟的技术最终能够顺利应用，都是众多科学家不断积累，一代代不断基于前人研究成果推陈出新的结果。

　　而基于已有数据集，再加上模仿学习，能否让Mobile ALOHA掌握更好的操作能力，也是这篇论文尝试解释的一个重要问题。

　　在实际实验过程中，通过为原有数据集加入模仿学习的方法，在执行「推椅子」、「擦红酒」任务时，明显有很好的能力提升，有更强的泛化能力。

　　具体而言，在将一排5把椅子收到桌子下时，当推到第4、第5把椅子时，这一方法的成功率分别提高了15%和89%。

　　从试验中整体任务执行成功率来看，在进行50次示教（击掌20次）后，擦红酒、呼叫电梯、击掌、收纳平底锅、冲洗平底锅、推椅子6项任务的成功率分别达到了95%、95%、85%、85%、80%、80%。

　　然而，最惊艳的滑蛋虾仁这项长达75秒的的艰巨烹饪任务，实际上，Mobile ALOHA的任务执行成功率只有40%。

　　也就是说，我们看到的Mobile ALOHA完美地做好一道滑蛋虾仁，同样是一个概率没有那么大的事件。

　　“虾仁炒蛋”做不好没关系，毕竟，这也不是斯坦福这一个研究团队，以一己之力能够完美解决的问题。

　　他们想要解决的是，能否将现在双臂机器人运动控制的研究方法再往前推一步——验证静态数据集与不同模仿学习算法联合训练的可行性。

　　在一系列试验中，他们验证了ACT、Diffusion Policy（扩散策略）、VINN三类重要的模仿学习算法在Mobile ALOHA上任务执行的成功率都得到了明显的提高。

　　在此之前，类似Mobile ALOHA的双臂机器人平台PR2、TIAGo，价格普遍在20万美元（约合142万元）以上。

　　也就是说，斯坦福这一研究团队，为机器人双臂运动控制的研究验证了一个思路、提供了一套更便宜的研究平台。

　　虽然没有大家想象的直接搞出一个厨师机器人，甚至保姆机器人来得炫酷，但这样一套开源平台和算法展现出来的效果，尤其是在大模型被神话了的现在，让大家再次意识到了模仿学习对于机器人的重要性。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。