摘要

精细操作任务，如穿电缆扎带或插入电池，对机器人而言历来极具挑战性，因其需要高度的精度、接触力的精细协调以及闭环视觉反馈。传统上，完成此类任务往往依赖高端机器人、高精度传感器或繁琐的校准过程，这些手段成本高昂且部署复杂。那么，能否通过学习使低成本、低精度的硬件也能够完成这些精细操作？我们提出了一种低成本系统，该系统通过定制化的遥操作界面采集真实操作示范，实现端到端的模仿学习。然而，模仿学习在高精度任务中同样面临自身挑战：策略中的误差可能随时间累积，且人类示范本身可能存在非平稳性。为应对这些问题，我们设计了一种简单但新颖的算法——基于Transformer的动作分块（Action Chunking with Transformers, ACT），该算法学习动作序列的生成模型。实验表明，ACT使机器人仅需约10分钟的真实示范，便可在真实世界中成功完成六项高难度任务，例如打开透明调味品杯、精准插入电池，成功率可达80%至90%。项目主页：https://tonyzhaozh.github.io/aloha/