Ein Forschungsteam aus Princeton, Stanford und Dexterity hat mit TidyBot++ eine offene mobile Roboterplattform für das Robot Learning entwickelt. Die am 11. Dezember 2024 eingereichte Studie beschreibt eine mobile Basis, die Haushaltsaufgaben mit einem austauschbaren Roboterarm ausführen kann.
Holonome Basis mit austauschbarem Arm
TidyBot++ nutzt vier angetriebene Laufrollen. Die holonome Basis kann sich dadurch unabhängig in alle Richtungen bewegen und auf der Stelle drehen. Das erleichtert die Positionierung des Arms an engen Stellen. Der Rahmen misst etwa 54 mal 50 Zentimeter und wiegt ohne Arm rund 34 Kilogramm. In der Studie wird der Aufbau mit einem siebenachsigen Kinova-Gen3-Arm gezeigt. Die mobile Basis kostet laut Vergleichstabelle rund 5.400 US-Dollar.
Smartphone für Demonstrationen
Für die Datenerfassung verwenden die Forschenden eine Smartphone-Steuerung auf Basis von WebXR. Die Bewegungen des Telefons werden als Pose mit sechs Freiheitsgraden erfasst und auf die mobile Basis oder den Arm übertragen. Die Schnittstelle funktioniert laut Studie mit aktuellen Android- und iOS-Geräten, sodass keine spezielle Teleoperationshardware nötig ist.
Sechs Aufgaben im Haushalt getestet
Die Studie trainiert für sechs Aufgaben jeweils eine Diffusions-Policy mit Demonstrationen: einen Kühlschrank öffnen, eine Arbeitsfläche abwischen, einen Geschirrspüler beladen, Müll herausbringen, Wäsche einladen und eine Pflanze bewässern. In zehn Testläufen erreichte das System bei Kühlschrank und Müll jeweils zehn erfolgreiche Durchgänge. Beim Abwischen waren es neun, beim Beladen des Geschirrspülers und beim Einladen der Wäsche jeweils sieben sowie beim Bewässern sechs erfolgreiche Durchgänge.
Offene Baupläne für die Robotikforschung
Die Entwickler wollen Hardwaredesign, Teleoperationsschnittstelle, Lernaufbau und Steuerungssoftware offen zugänglich machen. Die offizielle TidyBot++-Projektseite stellt dazu unter anderem Montagehinweise, CAD-Daten und Videos bereit. Der offene Ansatz erinnert an andere frei zugängliche Roboterplattformen aus dem IFA-Umfeld, richtet sich hier aber ausdrücklich an die Datensammlung für Lernverfahren.