【斯坦福博士论文】移动操作机器人的学习系统构建研究

机器学习已在机器人学的多个子领域成功应用，包括操作、导航与运动，推动了感知、规划与控制的数据驱动进展。然而，要在现实环境中部署通用机器人系统，必须具备集成的全身能力：既能改变机器人自身状态（移动能力），又能改变外部实体与环境状态（操作能力）。例如，即使执行打开壁挂式柜门这类相对简单的任务，也需要在稳定抓握双门把手的同时，通过后退或倾斜等动作实现协调的全身运动——这充分证明了操作与移动能力需要实现无缝协同。 本论文提出了一种新型机器人学习系统，其核心设计理念在于充分利用操作与移动之间的协同效应，将移动操作视为一个统一性问题而非独立子系统的简单组合。这些系统通过模仿学习人类演示数据，并结合机器人试错中的强化学习，使机器人能够掌握协调行为——无论是涉及灵巧手/抓取器与腿式/轮式移动平台的协同作业。 此外，我们研发了与这些学习系统配套的开源移动操作平台。这些机器人学习软件与硬件系统共同为更广泛的机器人学界提供了易于获取且成本可控的研究选项，有力推动了机器人学领域的可复现性与协同发展。