InternRobotics/OpenHomie

何を解決するか

HOMIEは、複雑なロコマニピュレーションタスクにおける人間型ロボットの全身運動を正確かつ効率的に制御する難しさに対処します。高価なモーションキャプチャ（MoCap）データや複雑な逆運動学（IK）計算に依存しなくなり、これらが遠隔操作を遅くし、ロボットの作業範囲を制限するのを防ぎます。

動作方法

このプロジェクトは強化学習（RL）の訓練フレームワークと低コストのハードウェアコックピットを組み合わせています：

• RLフレームワーク（HomieRL）： 上半身の姿勢カリキュラム、高さ追跡報酬、対称性の活用を用いたRLベースのアプローチで、上半身が動的に移動する中で歩行、しゃがみ、バランスを保つ能力をロボットに学習させます。
• ハードウェアコックピット（HomieHardware）： 人間型ロボットと同形の外骨格システム。外骨格アーム、15自由度のモーションセンシンググローブ、および歩行コマンド用ペダルから構成されます。ハードウェアがロボットと同形であるため、逆運動学（IK）を必要とせずに、外骨格の関節位置をロボットに直接マッピングできます。
• デプロイメント（HomieDeploy）： ハードウェアコックピットとロボット（特にUnitree G1でテスト済み）の間のソフトウェアブリッジを提供します。

対象ユーザー

人間型ロボット、遠隔操作、ロコマニピュレーションにおける強化学習に取り組む研究者および開発者。

主な特徴

• 同形制御： 外骨格からロボットへの関節位置の直接マッピングにより、より高速かつ正確な遠隔操作を実現。
• モーションキャプチャ不要： モーションキャプチャデータからの運動事前知識の必要性を排除。
• 低コスト： ハードウェアシステムのコストは約0.5kドルで、プロフェッショナルなMoCapシステムよりも大幅に安価。
• 全身の機動性： 上半身の運動中にバランスを保ちながら、安定した歩行とさまざまな高さへの迅速なしゃがみを可能にします。