石麻笔记静悄悄,一定是在憋大招,欢迎来到石麻笔记新系列Open Source Hardware(OSH),这是即Robot Data EP10 Robot Data第一季访谈总结和Robot Foundation Model (RFM)RFM EP01:Pi和π0具身基础模型之后的第三个连载系列。OSH系列访谈比较特色的地方在于,除了作者访谈,我们也会尝试复现,让各位看官更直观的对比“卖家秀”和“买家秀”,来看看到底这些开源机器人项目work不work。OSH第一期,我们选择了来自斯坦福的开源小人形ToddlerBot。
ToddlerBot(https://toddlerbot.github.io/)是一款低成本($6000)、开源的人形机器人,专为机器人与人工智能研究而设计。ToddlerBot的两个一作分别是Haochen(https://hshi74.github.io/)和Weizhuo(http://me.weizhuowang.com/)。Haochen目前是斯坦福大学计算机科学专业的二年级博士生,导师是 Karen Liu 和 Shuran Song。Weizhuo是斯坦福大学机器人方向的博士三年级在读生,目前由 Monroe Kennedy III 和 C. Karen Liu 两位教授共同指导。感谢两位博士接受我的访谈邀请以及复现指导。本次ToddlerBot的复现工作由来自厦大机器人队的雨涵和锦标完成。
查看原文目录
以下为本文目录
👇
1.ToddlerBot简介
2. 为什么想做开源小人形
3. 硬件设计思路
4. 为什么小人形就只能用舵机方案?
5. 移动算法层面的创新
6. 操作算法
7. 机器人开源与商业公司之间的竞争
8. 关于Toddlerbot的其他特点
9.鸣谢
10.小调研
1. ToddlerBot简介
ToddlerBot是一款低成本、开源的人形机器人平台,专为可扩展的策略学习以及机器人与人工智能领域的研究设计。它的身高56厘米,体重3.4公斤,全身有 30 个主动自由度(DoF):每只手臂 7 个自由度,每条腿 6 个自由度,脖子 2 个自由度,腰部 2 个自由度。下图绿色标记表示两种末端执行器设计 —— 一个柔顺式手掌和一个平行夹爪。紫色标记表示传感器和电子系统的布局(采用爆炸视图展示),包括两颗鱼眼摄像头、一个扬声器、两个麦克风、一个惯性测量单元(IMU)以及一台 Jetson Orin NX 计算机。全身零部件采购和3D打印结构件成本大约在6000美金。

ToddlerBot“卖家秀”- by 斯坦福Haochen&Weizhuo
ToddlerBot“买家秀”- by 厦门大学 雨涵&锦标
2. 为什么想做开源小人形
我们最开始想做这样一个开源人形机器人是2023年的CoRL,当时在CoRL逛了一圈,发现关于人形机器人的研究论文并不多,但在互联网上,大家似乎对人形机器人相关研究很感兴趣,那是什么因素阻止了大家在人形机器人方向上的科研探索呢?(那个时间点还不像现在大家可以买到宇树的H1或者G1)。我们意识到,核心问题在于硬件——大多数研究者缺少一个好用的平台,难以在算法上做出创新。以前也有过很多人形机器人的平台,但是他们大多数都无法满足现在从事AI 算法的科研需求。对于适用于 AI算法的人形硬件,我们认为有几点要求:相对便宜,比较好用耐用,上手门槛低,比较好维修,可以做 locomotion RL sim2real, 也可以做 manipulation behavior cloning。
而我个人一直很喜欢LEAP Hand这个工作,甚至在家里做了一个,发现使用体验不错。这让我觉得,开源硬件可能是一个有影响力的方向,也能为整个研究社区带来真正的贡献。
我们就想能不能做一个开源的人形机器人?刚开始和导师们讨论时,他们都觉得难度太大,因为之前已经有不少开源人形机器人的尝试,但大多未能成功。尽管如此,我们依然相信自己可以做到。因此,从项目一开始,我们就确立了核心目标——一定要开源,一定要让其他研究者能够复现我们的成果。
在这个过程中,我们始终围绕这一前提,不断优化和迭代性能,最终做出了一个既能完成各种运动和操作,又能被他人复现的人形机器人。
3. 硬件设计思路
大家都知道,人身上有非常多的肌肉,要完美模拟人体结构,仅依靠几十个电机是不可能的。但是所有这些肌肉最终都会作用在具体的关节上。经过我们的分析,人的动作最关键的关节大约是32个左右。
我们希望机器人具有全功能性,因此对自由度的数量非常重视,尽可能将所有需要的自由度都包含进来。例如,我们的手臂设计了7个自由度,而通常人型机器人的手一般只有4到6个自由度。腿部方面,我们在脚踝处设计了两个自由度,大腿部分则设计了全部三个自由度。这个部位的设计经过了多次迭代,大约制作了五六个版本。我们还在迭代更好的设计,预计近期会发布。
腰部本来计划设计三个自由度,但由于技术难度,最终实现了两个,包括侧弯和绕Z轴的旋转动作。舍弃了前弯,是因为这个动作已经包含在髋关节的俯仰(hip pitch)自由度中了。考虑到后续与人交互和动作创新的需求,我们在脖子部分设计了两个自由度,能够实现转头和俯仰动作,未来有需求时可能会加上一个侧头的自由度。整体而言,我们的机器人共有30个自由度。作为参考,宇树G1自由度为29个。
另外,为确保机器人的可复现性,我们的设计思路是让机器人越小越好。小型化带来的优势明显,例如所需设备和空间少,一张书桌即可进行制作。经过优化,我们的机器人高度最终确定在55厘米左右,重量仅为3.5千克,一只手即可轻松拎起。
小型化不仅有助于实现敏捷的运动,因为功率密度更高,也更加安全。在家庭环境中, 这样的小型机器人不太可能伤害小孩或宠物,反而是机器人更容易被小孩或宠物损坏。此外,较小尺寸和轻重量也让开发过程更容易。如果机器人出现问题,可以很方便地用手直接搬起。
现在的 AI 算法因为本质上都是黑箱,很难在算法层面提供安全性的保障,所以足够小可以更好地保证安全。相比之下,全尺寸机器人在科研和教育环境中存在安全风险。如果控制策略(policy)出现问题,机器人可能执行危险动作,对周围人或环境造成伤害。
因此,我们的核心设计原则是尽可能小的尺寸、足够多的自由度,以及高可复现性。为进一步提高可复现性,我们的机器人除电机外的所有构件都采用3D打印制作。因为在家庭环境中,不方便使用车床或CNC加工设备,但随着3D打印技术的快速发展,现在在家就能完成制作。
我们也看到过身边使用全尺寸机器人,曾经发生过由于机器人的意外动作导致人员受伤的事件,这种情况非常危险,我们希望通过上述设计策略避免这样的风险。
4. 为什么小人形就只能用舵机方案?
我们采用的是传统的减速齿轮方案即舵机方案,而不是准直驱(QDD)。其实这里涉及到一个物理原理。当电机的尺寸非常小的时候,电机内部的线圈绕组必须非常细。这导致线圈无法承载较大的电流,只能通过提高电压来提升转速,但同时能够提供的扭矩却非常有限。因此在这种情况下,如果仍然采用传统的无刷电机方案,其性能表现实际上与普通舵机就没有太大区别。
这也意味着,在这个尺寸下,准直驱(QDD)的优势可能比不上舵机方案。根据我们的粗略估计,我们机器人尺寸大约在80厘米左右可能是 QDD 方案的一个 sweet spot,更小尺寸的机器人无法有效实现QDD驱动方式。
舵机实际上指的是一种包含空心杯小型电机的装置,其内部配备了高倍率的减速齿轮组。具体来说,舵机内有一个空心杯电机(coreless motor),最初应用时只需通电即可旋转,因此控制电路相对简单。一般情况下,它的编码器安装在输出轴位置,精度相对较低。同时,由于舵机最显著的特点是使用了非常高的减速比(通常远超过准直驱QDD方案的减速比),这使得舵机与无框力矩电机的准直驱(QDD)方案有明显差别。准直驱电机常见的减速比一般在5倍到40倍之间,而舵机的减速比则可能达到数百倍甚至更高。这种高减速比结构通常封装在一个长方体的盒子内,因此在结构和性能上与QDD有着明显的差异。
5. 移动算法层面的创新
我们算法在 RL 这块用的是比较标准化的。整个流程是,先做一个舵机的 model,也就是sysid。使用一些 position tracking 数据来拟合sysid的参数。
基于拟合后的sysid参数,再去调整Mujoco里面 URDF 等动力学(Dynamics)参数,使得模型尽可能精准地反映真实情况。
其次就是训练一个 RL policy,并且加上非常多的 domain randomization。在训练 RL policy 时,我们用 ZMP 生成一个 reference motion,让 RL policy 去 track。
在 simulation 里面 train 出 policy 之后,只要之前做的 sysid digital twin 足够精确,并且 domain randomization 参数调得比较好的话,就可以直接 deploy,也就是尝试将仿真和真实世界做到非常非常相似。这样一来,只要你看到在 simulation 里面训练出来的东西能 work,基本上它在现实生活中也能差不多地 work。
做这个Sysid流程的目的是通过系统辨识的方式找到一套可以准确描述电机特性的参数集合,再把这些参数放入仿真环境里去使用。每个电机都有自己独特的特性,不同型号的电机之间存在差异。比如电机本身具有一定的惯性,电机转动起来时,它的速度能达到多少,它可以提供多少扭矩等等。这些特性你都需要明确地在仿真环境里体现出来,因为只有这样,你的策略(policy)才能知道,当给出一个特定的位置目标(position target)时,电机会怎样去反应。
6. 操作算法
因为这个机器人关节数量比较多,所以通过遥杆等其他方式去操控会比较困难。目前我们也在尝试用 VR 或者 Mocap 等方式进行遥操作,这个方向也在进行中,之后可能会 release 相关成果。
我们现在之所以采用 aloha 风格的操作方式,是因为我们知道 aloha style 能够采集到质量有保证的数据,这样用这些数据来训练 diffusion policy 时,成功率会更高一些。
关于 aloha style,指的其实就是两套同构的机器人系统,其中一套机器人动作会被实时复制粘贴到另一套上去。大家习惯上就称这种方式为 aloha style。
7. 机器人开源与商业公司之间的竞争
商业公司很难做到完全开源,因为最终他们还是靠卖硬件盈利。对只想购买整机而不想从零开始组装的人来说,买整机确实更方便。但是,人形机器人总会面临损坏的问题,一旦出现问题,如果你购买的是整机,自己可能很难维修,需要向原厂定制零部件并进行替换。除非厂商能做到高度模块化,否则维修仍会是个问题。
而完全开源的机器人则有明显优势,比如在我们这里,一旦机器人某个部分坏了,你只需要重新3D打印出来就可以解决。这正是开源的好处之一。修理机器人几乎是无法避免的,尤其是涉及人形机器人时,必然会出现各种需要维护的问题。
在我看来,组装开源机器人本身就是一次动手能力的培训过程。通过亲自动手,你不仅能提升自己的技能,更能深入理解机器人的工作原理。当机器人出现问题时,你能迅速定位故障点,这对未来的开发也会有极大的帮助。
虽然购买完整的机器人套餐对用户来说很方便,但对于学术界或研发领域来说,培养动手能力和深入理解机器人的过程同样重要,甚至是必不可少的。
8. 关于Toddlerbot的其他特点
我们在设计时,有一个比较独特的点,就是机器人的手臂力量和腿部力量是均衡的。目前大多数人形机器人设计时都会更侧重于腿部运动(locomotion),导致腿部很强壮,但手臂的自由度很少、力量也相对较弱。而我们的机器人则不同,手臂和腿的力量是差不多的,因此可以轻松完成引体向上、俯卧撑之类的动作。
未来,我们可能还会进一步开发更具动态性的任务,因此在设计时就提前考虑了这一点,特意把机器人的结构做得更强壮些,同时预留了许多扩展接口,以便之后能有更多发挥空间。
另外,在人形机器人领域,有一点是特别值得关注的,就是机器人和人的交互。严格来说,在完成具体的实用任务时,人形机器人可能并不比轮式或四足机器人在特定场景下更有优势。虽然人形机器人常被认为是最通用的形式,但这种通用性是在算法和控制完全成熟的前提下才能体现的。
我个人认为人形机器人最突出的优势是它与人类形态相似,这种相似性使它在与人交互时具备一些独特的优势。因此,我们考虑未来将机器人向社交方向进一步拓展,让它更自然地与小朋友和成年人进行互动。借助人形机器人的可爱外形,可以让人们更愿意、更快速地接受并与它进行自然交流。
这种想法其实带有一定的产品化思路,但同时也可以为开发者提供一个平台,在此基础上继续提升人机交互方面的能力。
过去很多社交机器人通常只是预先编程几个特定动作或技能,通过简单反馈来重复执行一些预设的轨迹,但这远远不够通用。如果想实现真正自然且通用的互动,就可能需要借助大模型,从真实的人机交互数据出发,在基础模型之上进行微调,深入进行科研探索。
我认为 ToddlerBot 最令人激动的一点,就是我们会有更多的同学参与到这个平台的开发和使用中来,不断地迭代提升软件和硬件,所以我比较期待几年之后 ToddlerBot 会变成什么样子。
9.鸣谢
特别感谢两位十年老友DJ和AJ的支持,帮我们这次Toddlerbot复现提供设备;也要感谢来自厦大机器人队的雨涵和锦标,两位学弟是我们复现Toddlerbot的主力。当然还要感谢我的老师,厦大机器人队指导教师胡天林老师一路支持。
我们还会继续选取9个开源硬件项目进行复现,也会进一步基于这些硬件开源项目进一步优化迭代,欢迎推荐不错的硬件开源项目。另外,我们非常需要懂机器人关节,本体结构设计以及运控算法的同学们。
10.小调研
你觉得小尺寸(50-70厘米)人形有价值吗? 选项:有;没有
你更倾向于哪种开发支持? 选项:开源硬件/软件;模块化设计;完整的SDK;社区支持
你是否有过小型人形机器人的开发经验? 选项:有;没有
您是否愿意参与小尺寸人形的早期测试或众筹? 选项:愿意;不愿意
能接受的价格区间? 选项:2000-5000RMB;5000-1万RMB;1万-2万RMB;2万-3万RMB
你是在读生还是已经工作 选项:在读-本科;在读-研究生;工作-软件软件开发工程师;工作-机器人硬件开发工程师;工作-其他
你觉得小尺寸人形应该选用舵机方案还是关节方案? 选项:舵机;关节
原文投票:请在微信公众号原文中参与。