VILAS: A VLA-Integrated Low-cost Architecture with Soft Grasping for Robotic Manipulation

技术摘要：VILAS——一种集成视觉 - 语言 - 动作（VLA）的低成本软夹持机器人操作架构

问题陈述
由于易碎物品（如新鲜农产品）对过大的接触力容忍度极低，其机器人操作面临重大挑战。传统方法通常依赖昂贵的多轴力 - 扭矩传感器、触觉阵列或专用阻抗控制系统，这增加了硬件成本和系统复杂性。此外，尽管视觉 - 语言 - 动作（VLA）模型的最新进展为端到端机器人控制提供了统一范式，但训练和部署这些模型通常需要高成本、专有的机器人生态系统（例如，成本约为 33,000 美元的 ALOHA 系统）。这为旨在在可负担的硬件上开发和实验基于学习的操作系统的研究人员造成了巨大的财务障碍。

方法论
作者提出了VILAS，这是一个完全低成本、模块化的机器人操作平台，旨在支持完整的 VLA 工作流程——从基于遥操作的数据收集到策略微调及实时部署。

• 硬件架构：该系统集成了三个主要组件：

  • 机械臂：Fairino FR5 协作机械臂（工业级，无刷直流电机），因其运动平滑性和精度而被选用，成本约为 4,000 美元。
  • 末端执行器：Jodell RG52-50 电动平行夹爪（约 1,500 美元），辅以定制的基于剪纸（kirigami）的软顺应性延伸件。该延伸件采用 FDM 3D 打印技术使用 PEBA 材料制造，在压缩载荷下会产生可预测的变形。它提供被动的机械顺应性以吸收接触力的变化，从而在无需显式力传感的情况下实现对易碎物品的安全抓取。
  • 感知：双摄像头设置，包括安装在基座上的 RealSense D455（全局工作空间视图）和安装在手腕上的 RealSense D405（近距离交互视图），总计约 1,000 美元。
  • 遥操作：GELLO 主臂（约 500 美元），由 3D 打印部件和 Dynamixel 伺服电机构建，提供用于数据收集的运动学等效控制。
  • 总成本：完整平台的成本约为8,000 美元，显著低于同类研究系统。

• 软件与控制：系统采用基于 ZMQ 的通信架构来协调遥操作客户端、数据记录器和机器人执行器。在部署期间，控制循环以 20 Hz 运行。系统采用动作分块策略，即单次模型推理生成一系列动作（$\pi_0$/$\pi_{0.5}$为 50 步，GR00T N1.6 为 16 步），将高频控制与低频模型推理解耦。

• VLA 评估：作者在 VILAS 平台上微调并评估了三种最先进的 VLA 模型——$\pi_0$、$\pi_{0.5}$和GR00T N1.6。所有模型均从公开发布的预训练检查点初始化，并在通过 VILAS 遥操作管道收集的 100 个演示回合的相同数据集上进行微调。

主要贡献

1. 系统设计：实现了 VILAS，这是一个完全集成的低成本机器人平台，利用模块化、可负担的组件支持端到端的 VLA 工作流程。
2. 软夹爪创新：设计了一种基于剪纸的机械顺应性软延伸件，无需依赖昂贵的力传感器或复杂的力控制策略即可实现对易碎物品的安全操作。
3. 实证基准测试：在相同的低成本硬件和演示数据上部署并比较评估了三种不同的 VLA 模型（$\pi_0$、$\pi_{0.5}$、GR00T N1.6），提供了关于其部署特性的实用见解。

结果
实验在葡萄抓取任务（抓取 3 颗葡萄并将其放入盒子）和樱桃上的泛化测试中进行。

• 单次抓取成功率：$\pi_{0.5}$实现了最高的单次抓取成功率（84%），其次是 GR00T N1.6（82%）和$\pi_0$（70%）。
• 多次抓取成功率：GR00T N1.6 在顺序任务中表现出卓越的连贯性，完成至少两次连续抓取的成功率达到 58%。这显著优于$\pi_{0.5}$（36%）和$\pi_0$（22%）。
• 推理延迟：GR00T N1.6 表现出最低的平均推理延迟（63.6 毫秒），但由于其动作视野较短（16 步对比 50 步），其每步成本较高。
• 泛化能力：所有模型在无需额外微调的情况下，在樱桃任务中均表现出合理的性能，表明所学策略捕捉到了能够泛化到视觉上不同物体的操作基元。
• 失败模式：分析显示，$\pi_0$和$\pi_{0.5}$在空间注意力更新（重新访问同一位置）和夹爪致动一致性方面存在困难。GR00T N1.6 表现出更好的一致性，但显示出倾向于在先前抓取位置附近搜索的空间偏差。

意义
该论文声称，VILAS 验证了在低成本、模块化硬件上训练和部署有能力的操作策略的可行性。通过证明最先进的 VLA 模型可以在约 8,000 美元的平台上进行有效的微调和部署，这项工作降低了机器人操作研究的财务门槛。结果证实，通过适当的机械设计（软顺应性夹爪）和系统集成，高性能的基于 VLA 的操作无需依赖昂贵的专有生态系统或显式力传感即可实现。作者将 VILAS 定位为未来在真实硬件上进行 VLA 评估的可复现且可访问的测试平台。