根据该研究团队的先容，该机器人紧张基于Mobile ALOHA系统，能够自主完成部分繁芜的移动操作任务，例如煎虾、打开双门壁柜来储存沉重的烹饪锅、呼叫并进入电梯、以及在水槽里冲洗利用过的锅。

此外，还有部分繁芜操作则由人为遥控完成，例如拉开窗帘打开窗子，给花盆浇水；在人站着不动的条件下，替主人刮胡子；开锅热油做虾仁滑蛋；将衣服放入洗衣机、倒入洗衣液、并开启洗衣机；换被套并收纳衣服。

该研究项目由一个三人团队研发，项目的联合卖力人Zipeng Fu和Tony Z. Zhao都是斯坦福大学人工智能实验室的打算机科学博士生，也同为谷歌DeepMind团队的学生研究员；以及二人的辅导老师、斯坦福大学打算机科学和电气工程系的助理教授Chelsea Finn。

Tony Z. Zhao还在社交媒体X上发布了一段Mobile ALOHA的烹饪***。

什么是Mobile ALOHA？

Mobile ALOHA是一个操作系统，而非一个机器人。

它是一个开源的操作系统，其学习事理是遥操作和模拟学习，通过对人类重复动作的学习从而节制技能。

Mobile ALOHA是基于ALOHA遥操作系统实现的。
它强化了静态ALOHA系统的双手操纵能力，并在此根本上增加了全身远程掌握系统。

此外，Mobile ALOHA还增加了底座移动能力，授予机器人靠近人类的移动速率。
比拟之下，静态ALOHA遥操作系统更多是在桌面上进行思考，而Mobile ALOHA在底部上增加了移动底盘，增加了对机器人移动性和灵巧性的演习。

从硬件上看，该研究团队发布的机器人外在形象并非人形形态，全体身体由一个移动底盘、一个操作界面、两个机器臂、反馈驱动、两个手腕摄像头和一个顶部摄像头构成。
其底盘还具备了机载电源，使得它在没有外部电源的情形下也能连续事情多小时。

提高成功率

常日，开拓通用机器人的最佳办法是“行为克隆”，也便是机器人从人类供应的演示中进行模拟学习。
行为克隆可以让机器人学习各种原始技能，从大略的拾放到更风雅的操作。

Mobile ALOHA借助移动底座能力和全身远程操作界面，可以网络更多的机器人与现实天下交互的数据，并在交互过程中学习、模拟人类动作。

此外，研究团队创造，若将Mobile ALOHA网络到的模拟学习数据与现有的静态ALOHA数据集相结合、并协同演习，就可以显著提高机器人移动操作任务的性能。

基于上述的协同演习，研究职员只须要对每个任务进行50次演示，就可以大幅提高机器人操作的成功率，高达90%。

以擦拭红酒任务为例，在没有联合演习时，其成功率只有50%，但联合演习后，成功率可以提高到95%。

代价与争议

这个机器人的一大吸睛点在于，它的本钱真的很低。
团队专门列出了详细的硬件清单，包括机器人硬件、电源和打算设备、摄像头、传感器、组装和掩护用度以及开源的软件部分在内，整套机器人下来本钱只须要3.2万美元（合22.7万公民币）。

此外，Mobile ALOHA的最大代价是物理操作能力的进步，由于它展示了机器人做重复性风雅操作任务的潜力。

目前生活中，有许多任务都须要全身折衷以及机动操作，而非单独的移动或操作，而Mobile ALOHA恰能在移动性和灵巧性上有所打破。

不过，该团队也表示，Mobile ALOHA 仍存在一些限定，例如系统占用面积较大，固定高度的双臂难以触及较低的橱柜、烤箱和洗碗机等。

且这个技能并非100%精准，也时常会涌现缺点，研究团队也对外展示了一些“失落败案例”。

值得一提的是，Mobile ALOHA 项目目前已经在 Github上开源，公布了代码、硬件构造和数据，团队也放出了相应的论文和先容。

本文源自财联社