太平洋科技要聞

首頁 > 科技要聞 > 科技> 正文

蘋果布局人形機器人：“自我為中心”感知系統(tǒng)動態(tài)避障，比英偉達cuRobo計算效率提升26倍

量子位整合編輯：太平洋科技發(fā)布于：2025-01-02 15:43

蘋果要搞人形機器人這事兒現(xiàn)在傳得沸沸揚揚。

最近他們確實有新動作——開發(fā)了一套機器人感知系統(tǒng)！

系統(tǒng)名為ARMOR，軟硬件協(xié)同增強機器人的“空間意識”，能動態(tài)防碰撞的那種。

硬件方面，ARMOR通過在機器人手臂上安裝小型智能深度傳感器，為機器人提供幾乎完整的環(huán)境視圖，解決了傳統(tǒng)機器人感知中的盲點和遮擋問題。

軟件方面，蘋果開發(fā)了一個基于Transformer的AI驅(qū)動ARMOR-Policy，能夠從人類動作中學習，幫助機器人動態(tài)規(guī)劃行動。

團隊還將ARMOR部署在了傅利葉GR-1機器人上進行實驗。

實驗結(jié)果顯示，與使用四個頭戴式和外部安裝的深度相機（外心感知）相比，ARMOR系統(tǒng)使碰撞降低了63.7%！

與基于采樣的運動規(guī)劃專家系統(tǒng)cuRobo相比，ARMOR-Policy計算效率提升26倍，確保機器人能夠迅速行動。

看到蘋果在人形機器人方面的布局，網(wǎng)友直呼這是大勢所趨：

他們不可能永遠依賴智能手機賺錢。從長遠來看，機器人市場將遠大于智能手機市場。

ARMOR系統(tǒng)長啥樣？

當前，傳統(tǒng)人形機器人通常依賴頭部或軀干安裝的集中式相機和激光雷達進行環(huán)境感知，這種方式雖然易于集成且能提供較好的視野范圍，但在手臂和手部區(qū)域常常存在嚴重的遮擋問題。

雖然一些研究嘗試在機器人終端執(zhí)行器上集成觸覺傳感，但這種方案成本高昂，且難以大規(guī)模應(yīng)用于機器人手臂，同時在策略學習中如何有效利用觸覺輸入仍待解決。

ARMOR系統(tǒng)，提供了一種硬件和軟件整合設(shè)計，它由來自卡內(nèi)基梅隆大學的學者Daehwa Kim在蘋果實習期間與蘋果團隊共同開發(fā)。

在硬件方面，與集中式RGBD相機一次性捕捉密集幀中的全部細節(jié)不同，團隊選擇了SparkFun VL53L5CX飛行時間（ToF）激光雷達作為基礎(chǔ)傳感單元，將稀疏感知分布在多個傳感器上，形成“以自我為中心的感知”。

這種傳感器體積為6.4×3.0×1.5mm，可以以15Hz的頻率提供8×8分辨率的深度圖像，對角視場為63°，測距范圍達4000mm。

研究團隊在機器人的每個手臂上布置了20個這樣的傳感器，共計40個傳感器形成分布式感知網(wǎng)絡(luò)。

每四個傳感器連接到一個XIAO ESP微控制器，通過I2C總線進行數(shù)據(jù)讀取，再通過USB傳輸?shù)綑C器人的板載計算機（Jetson Xavier NX），最后無線傳輸?shù)脚鋫銷VIDIA GeForce RTX 4090 GPU的Linux主機進行處理，確保整個系統(tǒng)能夠維持15Hz的刷新率。

在軟件方面，研究團隊開發(fā)了基于Transformer編碼器-解碼器架構(gòu)的ARMOR-Policy，類似于動作分塊Transformer（ACT）。

該策略通過模仿學習從無碰撞的人類運動演示中學習。

為了訓(xùn)練這個策略，研究團隊使用了AMASS數(shù)據(jù)集中的311922個人類真實運動序列（約86.6小時），這些數(shù)據(jù)包含了各種相關(guān)的人類姿態(tài)，如操作、舞蹈和社交行為等。

團隊將這些人類動作軌跡重定向到機器人的關(guān)節(jié)配置上，并在軌跡周圍生成緊湊的障礙物，確保軌跡本身不發(fā)生碰撞。

訓(xùn)練數(shù)據(jù)的生成采用了三種策略：避障運動、緊急停止和無碰撞運動。

ARMOR-Policy的網(wǎng)絡(luò)架構(gòu)設(shè)計考慮到了運動規(guī)劃可能存在多個有效解的特點。通過引入額外的編碼器層來推斷潛在變量z，使策略能夠通過調(diào)整z生成不同的運動軌跡候選。

在推理階段，系統(tǒng)會并行計算N個候選軌跡，并通過最小化機器人與點云之間的距離來選擇最優(yōu)路徑。網(wǎng)絡(luò)輸入包括潛在變量z、當前和目標關(guān)節(jié)位置（28維向量），以及40個ToF激光雷達傳感器的深度圖像數(shù)據(jù)。

深度圖像通過修改后的單通道ResNet18骨干網(wǎng)絡(luò)處理，提取512維特征。整個網(wǎng)絡(luò)架構(gòu)包含約84M參數(shù)。

實驗驗證顯示，ARMOR系統(tǒng)在多個方面都優(yōu)于現(xiàn)有方案。

與使用四個頭戴式和外部安裝的深度相機（外部感知）的傳統(tǒng)策略相比，ARMOR系統(tǒng)在避障性能上取得了顯著提升，碰撞降低63.7%，成功率提升78.7%。

同時，與基于采樣的運動規(guī)劃專家系統(tǒng)cuRobo相比，ARMOR-Policy表現(xiàn)出更好的性能，碰撞減少31.6%，成功率提高16.9%，計算效率更是提升了26倍。

研究團隊還通過在傅利葉GR-1人形機器人上部署28個ToF激光雷達，實際驗證了ARMOR系統(tǒng)在真實環(huán)境中的應(yīng)用可行性，系統(tǒng)能夠?qū)崿F(xiàn)15Hz的實時避障軌跡更新。