用于机器人学习和具身AI领域研究的模块化框架

用于机器人学习和具身AI领域研究的模块化框架RoboHive生态系统包含一系列预先存在的和新颖的环境,包括ShadowHand的灵巧操纵、Franka和Fetch机器人的全臂操纵任务以及各种四足运动任务。与之前的作品相比,RoboHive提供了精简且统一的任务界面,利用最新的模拟绑定,具有丰富的视觉多样性任务,并支持现实世界开发的通用硬件驱动程序。RoboHive的统一界面为研究人员提供了一个方便且易于访问的平台来研究多种学习范式,例如模仿、强化、多任务和分层学习。RoboHive还包括大多数环境的专家演示和基线结果,为基准测试和比较提供了标准。特征:最广泛、多样化的任务集合完全可定制的视觉丰富的任务,专为行为泛化而设计。奖励不可知的任务成功指标支持多种算法系列+预训练基线Sim和硬件无关的机器人类,可在sim<>real之间轻松转换远程操作支持。人类+专家数据集#框架

相关推荐

封面图片

研究发现课堂机器人帮助有学习障碍的孩子保持正常的学习状态

研究发现课堂机器人帮助有学习障碍的孩子保持正常的学习状态学习障碍导致学生容易分心,这意味着他们会努力保持对一项任务的专注,变得焦躁不安,并拒绝完成工作。一对一的干预措施已被证明对LD的学生有益。虽然研究人员已经研究了将社交机器人引入课堂,为患有或不患有LD的儿童提供个性化的支持,但以前的研究大多集中在自闭症谱系障碍(ASD)的儿童身上。很少有关于在教育环境中使用机器人来帮助LD儿童的研究。来自加拿大安大略省滑铁卢大学的三名工程研究人员、加拿大温哥华学习障碍协会的两名专家以及仿人机器人QT的加入了这项研究。QT于2016年"诞生"。QT是科学家PouyanZiafati博士和AidaNazarikhorram博士的心血结晶,是第一个专门作为协助ASD儿童的工具而开发的机器人。它可以用头部和手臂做手势,显示面部表情,并说话。在卢森堡大学的资助下,这对夫妇成立了LuxAI公司,开发和建造社交机器人。在早期研究的基础上,该团队希望分析LD学生如何与社交机器人互动,以及将机器人引入课堂对学生和教师的影响。16名年龄在7至12岁之间的学生参加了新的研究,他们被怀疑或确诊为LD,并且已知有阅读困难。八名学生与QT机器人进行了交流,而另外八名学生则作为对照。研究人员为教员开发了一个网络应用界面,为学生提供了一个教学策略,包括热身活动、游戏和呼吸练习。该应用程序被加载到一个平板电脑上,使教员能够控制QT机器人。当教员控制机器人时,QT在教员的触发下自主地行动。机器人设定目标,如果学生偏离轨道,就会使用游戏、笑话、呼吸练习和身体运动等策略来重新引导学生的注意力。教员记录了他们的互动,包括该课程的教育目标是否已经实现,学生花在任务之外的时间,以及所使用的重定向策略。学生们能够对他们使用机器人的经验提供反馈。研究表明,参加QT课程的学生的非任务行为较少,表现出更高的参与度。学生们认为机器人是友好的、智能的、令人愉快的,并愿意在未来的课程中与QT合作。教员的反馈表明,在很大程度上,他们认为机器人的干预有效,有助于保持学生的注意力和参与度。"在公共教育系统中使用机器人肯定有很大的潜力,"电气和计算机工程系教授、该研究的作者KerstinDautenhahn博士说。"总的来说,研究结果意味着机器人对学生有积极的影响"。计划使用QT进行进一步研究,以进一步调查机器人辅助学习对有学习障碍的儿童的效用。该研究发表在《社会机器人学》杂志上。...PC版:https://www.cnbeta.com.tw/articles/soft/1345981.htm手机版:https://m.cnbeta.com.tw/view/1345981.htm

封面图片

华为云发布盘古具身智能大模型:“夸父”人形机器人亮相

华为云发布盘古具身智能大模型:“夸父”人形机器人亮相据介绍,盘古大模型能够让机器人完成10步以上的复杂任务规划,并且在任务执行中实现多场景泛化和多任务处理。同时盘古大模型还能生成机器人需要的训练视频,让机器人更快地学习各种复杂场景。大模型的多模态能力以及思维能力的快速提升,使机器人能够模拟人类常识进行逻辑推理,并在现实环境中高效精准地执行任务,从而有效解决了复杂环境感知与物理空间认知的难题。通过集成多场景泛化和多任务处理能力,不论是生活场景还是工业场景,都能游刃有余的应对。大会现场展示中,“夸父”可以通过识别物品、问答互动、击掌、递水等互动演示,直观展示了双方基于盘古大模型的合作成果。通过模仿学习策略显著提升了人形机器人的双臂操作能力,实现了软硬件层面的协同优化,不仅增强了机器人综合性能,还克服了小样本数据训练的局限性,推动了泛化操作能力的边界。张平安在大会上表示,除了人形机器人,盘古具身智能大模型还可以赋能多种形态的工业机器人和服务机器人,让它们帮助人类去从事危险和繁重的工作。具身智能大模型可以让机器人作用更加广泛,未来真正实现让AI机器人帮助我们去洗衣、做饭、扫地,让我们有更多的时间去看书,写诗,作画。...PC版:https://www.cnbeta.com.tw/articles/soft/1435629.htm手机版:https://m.cnbeta.com.tw/view/1435629.htm

封面图片

Mori3模块化技术可以让宇航员现场建造他们需要的机器人

Mori3模块化技术可以让宇航员现场建造他们需要的机器人Mori3装置由JamiePaik教授及其瑞士EPFL研究所的同事开发,由多个配备电子设备(如电机、电池和传感器)和机械耦合机构的平面三角形模块组成。在称为多边形网格化的过程中,这些模块的组可以沿边缘连接在一起,形成一个三维多边形机器人。该多边形的大小和配置会有所不同,具体取决于机器人需要执行的任务。除其他外,它可以四足行走,将自己变成机械臂,或像轮子一样滚动。此外,如果需要,多个这样的机器人可以相互连接,暂时形成一个更大的机器人。一个单独的Mori3模块ChristophBelke,EPFLRRL据科学家称,基于Mori3的机器人“擅长做机器人应该做的三件事”,即靠自己的力量四处移动、与人类用户互动,以及处理和运输物体。希望它们最终可以用于协助航天器内的宇航员或自行进行外部维修等任务。“相互连接以创建铰接结构的多边形和多态机器人可以有效地用于各种应用,”Paik说。“当然,像Mori3这样的通用机器人在某些领域的效率会不如专用机器人。也就是说,Mori3最大的卖点是它的多功能性。”一篇关于该技术的论文最近发表在《自然机器智能》杂志上。...PC版:https://www.cnbeta.com.tw/articles/soft/1366219.htm手机版:https://m.cnbeta.com.tw/view/1366219.htm

封面图片

用于太空旅行的多边变形机器人问世

用于太空旅行的多边变形机器人问世两个Mori模块配对。图片来源:洛桑联邦理工学院EPFL可重构机器人实验室主任杰米·派克表示:“我们的目标是创造一种模块化的折叠机器人,它可以根据面对的环境和任务随意组装和拆卸。”这种名为Mori3的机器人可以改变自身的大小、形状和功能。Mori3机器人的各个模块都是三角形的。这些模块很容易连接在一起,在称为多边形网格的过程中创建不同大小和配置的多边形。研究团队表示,他们已经证明多边形网格是一种可行的机器人策略。为了实现这一目标,该团队必须突破机器人技术的各个方面的界限,包括机械和电子设计、计算机系统和工程。于是,研究人员开发了Mori3机器人,它擅长做机器人能做的三件事:四处移动、处理和搬运物体以及与用户互动。创造模块化和多功能机器人的优势是什么?派克解释说,相互连接以创建关节结构的多边形和多态机器人可以有效地用于各种情况,执行更广泛的任务。目前的航天器在空间上无法为需要执行的每个单独任务配备不同的机器人。研究人员表示,Mori3最大的特点就是它的多功能性,它就是为“上天”而创造的,其设计部分是为了在航天器上使用。未来,团队希望Mori3机器人将用于通信和外部维修。...PC版:https://www.cnbeta.com.tw/articles/soft/1364971.htm手机版:https://m.cnbeta.com.tw/view/1364971.htm

封面图片

MIT的模块化鳗鱼机器人结合了软性和刚性部件

MIT的模块化鳗鱼机器人结合了软性和刚性部件但激发它们的有机生命往往是僵硬和柔软的某种组合。毕竟,如果我们不是一堆束缚在刚性骨骼结构上的软组织,那我们是什么?因此,机器人学家最好将这两者结合起来,以便利用两个世界的优点。这就是麻省理工学院最近重新思考其水下蛇形水生机器人的指导原则之一。这种机器人很大程度上是空心的,由模块化体素建成,可以组装成在某些方向上是刚性的,而在其他方向上是柔软的系统,从而将刚性和柔性元素结合起来。麻省理工学院教授MichaelTriantafyllou说:"身体表面的平滑灵活性使我们能够实施流动控制,从而减少阻力并提高推进效率,从而大量节省能源。"他以前曾参与麻省理工学院的RoboTuna项目。到目前为止,该系统已经被配置成本篇文章中看到的那种一米长的鳗鱼设计,但模块化的构建模块意味着有可能创造出各种不同的形状,并可以大大增加机器人的尺寸。"以前有很多类似蛇的机器人,但它们一般都是由定制的部件组成的,而不是这些可扩展的简单构件。"麻省理工学院的教授尼尔-格申菲尔德补充说。模块化也有可能意味着极大地减少建造这些机器人所需的组装时间。这个系统中的60个部件是在两天内组装完成的,而不是建造RoboTuna所需的两年时间。...PC版:https://www.cnbeta.com.tw/articles/soft/1342947.htm手机版:https://m.cnbeta.com.tw/view/1342947.htm

封面图片

一个基于 Nvidia Isaac Gym 的易于使用的强化学习 (RL) 框架,旨在训练人形机器人的运动技能,强调从模拟到现实

一个基于NvidiaIsaacGym的易于使用的强化学习(RL)框架,旨在训练人形机器人的运动技能,强调从模拟到现实环境的零样本迁移。Humanoid-Gym还集成了从IsaacGym到Mujoco的sim-to-sim框架,允许用户在不同的物理模拟中验证训练好的策略,以确保策略的鲁棒性和泛化性。该代码库由RobotEra的XBot-S(1.2米高的人形机器人)和XBot-L(1.65米高的人形机器人)在现实环境中进行了验证,具有零样本模拟到真实的传输。#框架

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人