VLA 图库 / 模型列表 / VA

Mobile ALOHA

Stanford University · 2024-01

VAVA未公开CVAE

在低成本全身遥操作移动双臂系统上与静态ALOHA数据联合训练，每项任务用20–50个演示学习移动操作。

论文

Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body TeleoperationarXiv 2401.02117

概述

分类

VA

类型

VA

发布

2024-01

机构

Stanford University

权重公开

否

参数

未公开

架构

主干LLM

无

视觉编码器

ResNet18

动作头

关节 + 底盘速度 16维回归 (CVAE)

动作块

45步

控制频率

50 Hz

架构原文摘要

ACT(预训练ResNet18，编码器4层·解码器7层，hidden 512，FF 3200，8头)；16维动作(14-DoF关节位置 + 底盘线速度·角速度)，动作块45；对比策略DP动作块64，VINN动作块100

训练

预训练加速器

不适用(联合训练)

预训练时长

不适用

预训练步数·批量

不适用

GPU·TPU-小时

未公开

微调

按任务：硬件·时间·步数未公开；ACT 批量 16·lr 2e-5，DP 批量 32·lr 1e-4（DDIM 训练 50·推理 10步）

数据类型

真实机器人遥操作

数据规模

每项任务50条演示(5项任务)·20条演示(Cook Shrimp，High Five) + 静态ALOHA 825条演示联合训练(采样比例0.5:0.5)

主要数据集

Mobile ALOHA自行采集;静态ALOHA数据集

任务·评估

Wipe Wine, Cook Shrimp, Rinse Pan, Use Cabinet, Call Elevator, Push Chairs, High Five(7项任务)

机器人

Mobile ALOHA(移动底盘 + 双臂14-DoF)

推理

推理设备·速度

在RTX 3070 Ti(8GB)笔记本上采集·推理;延迟未公开;相机50 Hz

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

机载 (笔记本GPU)

强化学习与底盘

强化学习

未使用 · 模仿学习（与静态ALOHA数据联合训练）

底盘控制

轮式 (直接输出底盘速度/位姿) · 策略输出包含底盘目标线速度·角速度 (16维中的2维)

备注

核心特点

在低成本全身遥操作移动双臂系统上与静态ALOHA数据联合训练，每项任务用20–50个演示学习移动操作。系统成本含机载电源·计算在内为3.2万美元。

备注

参数·训练硬件·时间均未公开(含README)。主策略为ACT，也评估了DP·VINN。

核验

已确认