TidyBot++: Innovativer mobiler Manipulator für das Roboterlernen im Haushalt
Mindverse News
KI-gestützt erstellt 10 Quellen Arbeitsweise
TidyBot++: Ein kostengünstiger, holonomischer mobiler Manipulator für das Roboterlernen
Die Robotikforschung erlebt derzeit einen rasanten Fortschritt, insbesondere im Bereich des Imitationslernens. Um das volle Potenzial dieser Fortschritte auszuschöpfen, sind große Mengen an Demonstrationsdaten notwendig, die durch menschliche Interaktion gesammelt werden. TidyBot++ präsentiert sich als eine vielversprechende Lösung für diese Herausforderung. Es handelt sich um einen Open-Source, holonomen mobilen Manipulator, der speziell für das Roboterlernen im Haushaltskontext entwickelt wurde.
Kostengünstiges und flexibles Design
TidyBot++ zeichnet sich durch sein kostengünstiges und flexibles Design aus. Die Verwendung von handelsüblichen Komponenten und die offene Architektur ermöglichen es Forschern und Entwicklern, das System einfach zu replizieren und an ihre individuellen Bedürfnisse anzupassen. Ein besonderes Merkmal ist die Kompatibilität mit verschiedenen Roboterarmen, was ein breites Spektrum an Aufgaben ermöglicht.
Vorteile der Holonomie
Im Gegensatz zu herkömmlichen mobilen Robotern mit Differentialantrieb, die in ihrer Bewegung eingeschränkt sind, verwendet TidyBot++ eine holonome Basis mit angetriebenen Lenkrollen. Diese ermöglicht die unabhängige und gleichzeitige Steuerung aller drei Freiheitsgrade in der Ebene (X-, Y-Translation und Rotation). Dadurch wird die Navigation in engen Räumen und die Ausführung komplexer Manipulationsaufgaben erheblich vereinfacht. Zeitaufwendige Manöver, die bei nicht-holonomen Systemen erforderlich sind, entfallen.
Intuitive Datenerfassung
Die Datenerfassung für das Imitationslernen wird durch eine intuitive Smartphone-Schnittstelle unterstützt. Mittels Touchscreen und der IMU des Smartphones können Benutzer den Roboter fernsteuern und Demonstrationen für verschiedene Aufgaben aufzeichnen. Diese Daten dienen anschließend als Grundlage für das Training von KI-Modellen.
Vielfältige Anwendungsszenarien
Experimente haben gezeigt, dass TidyBot++ in der Lage ist, eine Vielzahl von alltäglichen Aufgaben im Haushalt zu bewältigen. Dazu gehören beispielsweise das Öffnen von Kühlschränken, das Abwischen von Oberflächen, das Beladen von Geschirrspülern, das Entleeren von Mülleimern, das Gießen von Pflanzen und das Befüllen von Waschmaschinen. Die im Rahmen des Projekts gesammelten Daten und die daraus resultierenden KI-Modelle stehen der Forschungsgemeinschaft zur Verfügung.
Weitere Entwicklungen und Ausblick
Die Entwickler von TidyBot++ arbeiten kontinuierlich an der Verbesserung des Systems und der Erweiterung seiner Fähigkeiten. Zukünftige Entwicklungen könnten die Integration von fortschrittlicheren Sensoren, die Verbesserung der Autonomie und die Entwicklung von robusteren Lernalgorithmen umfassen. TidyBot++ hat das Potenzial, die Forschung im Bereich des mobilen Manipulationslernens maßgeblich voranzutreiben und die Entwicklung von intelligenten Robotern für den Haushalt zu beschleunigen.
Zusätzliche Informationen
Neben dem Hardware-Design und der Software für die Teleoperation stellen die Entwickler von TidyBot++ auch Simulationsumgebungen und URDF-Dateien zur Verfügung. Dies ermöglicht es Forschern, Algorithmen in der Simulation zu testen und zu optimieren, bevor sie auf dem realen Roboter eingesetzt werden. Die Dokumentation und der Quellcode sind öffentlich zugänglich und fördern die Zusammenarbeit und den Austausch innerhalb der Forschungsgemeinschaft.
Bibliographie:
- https://openreview.net/forum?id=L4p6zTlj6k
- https://tidybot2.github.io/
- https://gfx.cs.princeton.edu/pubs/Wu_2024_TAO/index.php
- https://openreview.net/pdf?id=Kxy1VslITk
- https://tidybot2.github.io/poster.pdf
- https://www.corl.org/program/demos
- https://x.com/leto__jean
- https://www.youtube.com/watch?v=6MH7dhyIUdQ
- https://iprl.stanford.edu/publications
- https://github.com/jimmyyhwu/tidybot
//Nächster Artikel
Deutschland & EU
Apertus 1.5 im Detail: Technische Architektur, multimodales Training und Governance der offenen Schweizer KI-ModelleDie Swiss AI Initiative dokumentiert Apertus 1.5: Multimodale Early-Fusion, 262k Kontext, Thinking Mode und EU-AI-Act-konforme Evaluierung für Unternehmen.

// Artikel teilen
Mehr zu Robotik & Humanoide
Alle Robotik-News- GreenWAM: Wie ein einheitliches World Foundation Model Weltvorhersage und Robotersteuerung verbindet
GreenWAM vereint Weltmodell und Roboter-Policy für 20 Roboterfamilien. Unsere Analyse beleuchtet Architektur, Benchmarks, Alternativen und Governance.
- RoboDawn untersucht die Übertragung multimodaler Modelle auf die Robotersteuerung
Das Forschungsprojekt RoboDawn zeigt, wie Vision-Language-Modelle (VLMs) physische Roboter ohne zusätzliches Training steuern können.
- RoboHarm-Benchmark zeigt Sicherheitslücken bei KI-gesteuerten Robotern
Der RoboHarm-Benchmark testet KI-Modelle wie GPT-6 Astra und Claude Fable bei der Steuerung von Roboterarmen. Das Ergebnis: Gefährliche Befehle werden selten verlässlich verweigert.
- PhysBrain 1.5 verbindet Wahrnehmung, Robotersteuerung und Zukunftsprognosen in einem offenen Modell
PhysBrain 1.5 von DeepCybo vereint Wahrnehmung, Roboteraktionen und Zukunftsprognosen in einem offenen Embodied-AI-Modell. Mit starken Benchmark-Ergebnissen (8B & 2B) eröffnet es neue Wege für Physical AI.
// Dranbleiben
Mindverse News folgen
Neue Meldungen erhalten Sie über unseren RSS-Feed oder auf LinkedIn.
Passend dazu in Mindverse Studio
- Firmenwissen als KI-WissensdatenbankDokumente und Daten durchsuchbar machen — semantisch, mit Quellenangabe.
- Eigene Modelle und Assistenten trainierenBilden Sie einen digitalen Marken-Experten auf Ihrem Wissen aus.
- Studio mit Ihren Tools verbindenIntegrationen für Microsoft 365, Google Workspace, Slack, Notion und mehr.
Recherchieren Sie KI-News wie diese selbst — mit Mindverse Studio.
7 Tage kostenlos testen — ohne Kreditkarte, mit 200 Credits. Für Fragen zur Umsetzung buchen Sie eine persönliche Demo.
//Chronik
Aus dem Archiv · rund um den 17. Dezember 2024
← Davor erschienen