Modular ALOHA – Plataforma de Teleoperação Bimanual para Embodied AI e Aprendizado Robótico
O Modular ALOHA é uma plataforma de teleoperação bimanual desenvolvida pela AgileX Robotics para Embodied AI, coleta de dados, manipulação móvel e aprendizado robótico.
Construído sobre a plataforma móvel RANGER MINI 3.0, o sistema utiliza uma arquitetura leader-follower separada, proporcionando maior flexibilidade para teleoperação remota, implantação em diferentes ambientes e expansão da plataforma conforme as necessidades de cada projeto.
Baseado nos conceitos do Mobile ALOHA, o Modular ALOHA amplia as possibilidades de pesquisa ao combinar teleoperação bimanual, mobilidade, altura de operação ajustável, navegação autônoma e recursos destinados à coleta escalável de dados robóticos.
Principais benefícios
- Plataforma para teleoperação bimanual
- Baseada no RANGER MINI 3.0
- Arquitetura leader-follower separada
- Teleoperação remota entre diferentes espaços
- Mobilidade flexível
- Altura de operação ajustável
- Desenvolvida para coleta escalável de dados
- Aplicações em Embodied AI
- Pesquisa em aprendizado robótico
- Manipulação móvel
- Sistema completo de navegação
- Suporte à navegação autônoma
- Planejamento inteligente de trajetórias
- Suporte à recarga automática
- Compatível com Mobile ALOHA e ACT
- Compatível com outros frameworks open source
Aplicações
A arquitetura modular permite utilizar o sistema em pesquisas que combinam mobilidade, manipulação, percepção, teleoperação e Inteligência Artificial.
- Embodied AI
- Inteligência Artificial Incorporada
- Physical AI
- Teleoperação robótica
- Teleoperação bimanual
- Coleta de dados robóticos
- Manipulação móvel
- Aprendizado robótico
- Robot Learning
- Aprendizado por demonstração
- Imitation Learning
- Pick-and-place
- Manipulação de objetos
- Navegação autônoma
- Pesquisa em tarefas cotidianas
- Desenvolvimento de sistemas robóticos inteligentes
Recursos e diferenciais
Arquitetura leader-follower separada
Um dos principais diferenciais do Modular ALOHA é sua arquitetura leader-follower separada.
Nessa configuração, os braços utilizados pelo operador para demonstrar os movimentos podem permanecer fisicamente separados dos manipuladores instalados na plataforma móvel, permitindo realizar teleoperação remota entre diferentes espaços.
Essa abordagem proporciona maior flexibilidade para organizar ambientes experimentais e desenvolver sistemas de coleta de dados adaptados às necessidades de cada laboratório ou projeto.
Base móvel RANGER MINI 3.0
O Modular ALOHA utiliza o RANGER MINI 3.0 como sua plataforma de mobilidade.
A integração com uma base móvel permite ampliar o espaço de trabalho dos manipuladores, possibilitando desenvolver aplicações nas quais o robô precisa se deslocar pelo ambiente para posteriormente interagir com objetos ou executar diferentes tarefas.
Altura de operação ajustável
O sistema possui mecanismo de elevação com altura de operação ajustável, permitindo adaptar a posição dos manipuladores às características da tarefa.
A AgileX fornece drivers ROS para o mecanismo de elevação, facilitando sua integração ao sistema de controle e aos experimentos desenvolvidos pelos pesquisadores.
Coleta escalável de dados
A combinação entre teleoperação remota, mobilidade e arquitetura modular permite estruturar processos de coleta de dados para diferentes tipos de tarefas de manipulação.
O operador pode controlar os braços leader para executar demonstrações que posteriormente podem ser utilizadas no desenvolvimento e treinamento de modelos robóticos.
Compatibilidade com Mobile ALOHA e ACT
O Modular ALOHA mantém compatibilidade com Mobile ALOHA, ACT e outros frameworks open source utilizados em pesquisa de manipulação e aprendizado robótico.
Essa compatibilidade facilita a utilização de ferramentas e metodologias já desenvolvidas pela comunidade acadêmica e de pesquisa.
Navegação autônoma
Além da teleoperação, o Modular ALOHA incorpora recursos para navegação autônoma e planejamento inteligente de trajetórias.
Isso permite desenvolver sistemas nos quais a plataforma pode navegar pelo ambiente de maneira autônoma e posteriormente utilizar os braços para realizar tarefas de manipulação.
Recarga automática
O sistema oferece suporte à recarga automática através de uma estação de energia externa e arquitetura redundante de baterias.
Esse recurso amplia as possibilidades de pesquisa envolvendo operações autônomas de longa duração, reduzindo a necessidade de intervenção manual para gerenciamento da energia da plataforma.
Manipulação bimanual
A utilização de dois braços permite pesquisar tarefas que exigem coordenação bimanual, aproximando o sistema de atividades que normalmente dependem do uso simultâneo das duas mãos.
Essa característica possibilita explorar novas estratégias de manipulação, coordenação, planejamento de movimentos e interação física com objetos.
De pick-and-place a tarefas mais sofisticadas
Através dos braços leader, o operador pode demonstrar diferentes tipos de tarefas para geração de dados.
Os experimentos podem começar com operações básicas de pick-and-place e evoluir para sequências mais sofisticadas envolvendo coordenação bimanual e interação com objetos do cotidiano.
Características do Sistema
| Tipo | Plataforma de teleoperação bimanual para pesquisa robótica |
|---|---|
| Plataforma móvel | RANGER MINI 3.0 |
| Arquitetura | Leader-follower separada |
| Teleoperação | Teleoperação remota entre diferentes espaços |
| Manipulação | Manipulação móvel bimanual |
| Altura de operação | Ajustável através de mecanismo de elevação |
| Integração do mecanismo de elevação | Drivers ROS disponíveis |
| Navegação | Navegação autônoma e planejamento inteligente de trajetórias |
| Recarga | Suporte à recarga automática |
| Sistema de energia | Estação externa de energia e sistema redundante de baterias |
| Frameworks | Compatível com Mobile ALOHA, ACT e outros frameworks open source |
| Coleta de dados | Controle através dos braços leader para demonstração de tarefas |
| Aplicações principais | Embodied AI, robot learning, manipulação móvel, teleoperação e coleta de dados |
Coleta de dados para Embodied AI
O desenvolvimento de sistemas de Inteligência Artificial Incorporada depende de dados que representem como um agente deve perceber, movimentar-se e interagir fisicamente com o ambiente.
O Modular ALOHA permite coletar demonstrações através da teleoperação dos braços leader, criando dados que podem posteriormente ser utilizados para treinamento e avaliação de modelos robóticos.
Teleoperação remota e flexível
A separação física entre os componentes leader e follower permite organizar o ambiente de teleoperação com maior liberdade.
Essa arquitetura possibilita que o operador controle o sistema remotamente, enquanto a plataforma follower executa os movimentos no espaço onde a tarefa está sendo realizada.
Manipulação móvel bimanual
A combinação entre uma base móvel e dois braços amplia significativamente as possibilidades de interação do sistema.
Em vez de limitar os experimentos a uma bancada fixa, o robô pode navegar pelo ambiente e realizar tarefas em diferentes pontos, permitindo estudar manipulação bimanual em cenários mais próximos das condições encontradas no mundo real.
Aprendizado robótico
Os dados obtidos através das demonstrações podem ser utilizados em pesquisas envolvendo robot learning, aprendizado por demonstração e técnicas de imitation learning.
O objetivo é permitir que sistemas robóticos aprendam estratégias de manipulação a partir de exemplos, reduzindo a necessidade de programar manualmente cada movimento necessário para completar uma tarefa.
Navegação e manipulação em um único sistema
O Modular ALOHA combina recursos de navegação autônoma com manipulação bimanual, criando uma plataforma para estudar sistemas robóticos capazes de realizar sequências completas de ações.
Um robô pode, por exemplo, navegar autonomamente até uma área de trabalho, posicionar-se adequadamente e posteriormente utilizar seus manipuladores para interagir com objetos.
Operação autônoma de longa duração
O suporte ao planejamento inteligente de trajetórias, navegação autônoma e recarga automática permite desenvolver pesquisas envolvendo maior autonomia operacional.
Com a infraestrutura adequada, a plataforma pode executar missões, gerenciar sua movimentação e retornar para recarga, criando uma base para experimentos robóticos de longa duração.
Ideal para
- Universidades
- Laboratórios de robótica
- Centros de P&D
- Instituições de pesquisa
- Pesquisa em Embodied AI
- Pesquisa em Physical AI
- Robot Learning
- Coleta de dados robóticos
- Teleoperação remota
- Manipulação bimanual
- Manipulação móvel
- Aprendizado por demonstração
- Imitation Learning
- Navegação autônoma
- Pesquisa em sistemas robóticos inteligentes
