跳到正文
arXiv cs.AI· John Hua Yao. Qi Wu, Yihuai Gao, Chelsea Finn, Zipeng Fu·· 4 小时前AI 评分58

ALOHA Lightning:学习快速精准的机器人操作

ALOHA Lightning: Learning Fast and Precise Manipulation

AI 导读

ALOHA Lightning(Flash ALOHA)提出一套快速精准机器人操作系统,通过可反向驱动的双臂平台以动觉教学采集接近人类速度的演示数据,并用测试时动作平滑与掩码对齐数据采集和部署的视觉分布。每个任务仅需 50 条演示,系统即可自主完成抛接球、叠短裤、插电池、收餐桌等双臂任务,成功率超过 80% 且速度接近人类。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:从人类演示中学习使机器人能够获得广泛的操控技能,但学习到的策略通常执行速度远慢于普通人类。这一速度差距主要源于缺乏用于高速采集演示数据的接口,以及难以训练能够稳健执行高速运动的策略。在本文中,我们提出了 ALOHA Lightning(Flash ALOHA),一个用于学习快速且精确的机器人操控的系统。我们的系统使用动觉教学,在可反向驱动的双臂平台上直观地采集接近人类速度的演示,从而产生自然且快速的轨迹。我们还提出了一个学习流程,通过测试时动作平滑实现流畅的高速执行,并通过掩码对齐数据采集与部署之间的视觉数据分布。每个任务给定 50 个演示,ALOHA Lightning 能够自主完成抛接球、叠短裤、插入电池和收拾餐桌等双臂任务,成功率超过 80%,同时接近人类速度。项目网站:此 https URL
评论: 项目网站:此 https URL
主题: 机器人学(cs.RO);人工智能(cs.AI);机器学习(cs.LG);系统与控制(eess.SY)
引用为: arXiv:2611.21919 [cs.RO]
  (或 arXiv:2611.21919v1 [cs.RO] 为此版本)
  https://doi.org/10.48550/arXiv.2611.21919

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Zipeng Fu [查看电子邮件]
[v1] 2026年11月16日星期一 21:31:18 UTC(4,854 KB)

来源:arXiv cs.AI · arxiv.org