声明：文档由AI根据原文生成。
Mobile ALOHA 是斯坦福大学 Zipeng Fu、Tony Z. Zhao 和 Chelsea Finn 研究团队提出的低成本、开源双臂移动操作系统。该系统在 ALOHA 双臂遥操作平台基础上增加移动底盘与全身遥操作接口，同步记录人的操作示范，用于训练机器人完成需要底盘与双臂协同的任务。
与面向固定桌面双臂操作的 ALOHA 相比，Mobile ALOHA 的核心差异在于工作空间的扩展：双臂安装于移动底盘之上，数据采集与策略执行可覆盖更大范围。"全身"特指双臂与底盘的协同控制，具体区别包括工作空间从固定桌面扩展至随底盘移动、示范控制增加底盘协同、数据内容新增底盘运动数据、研究任务从桌面操作延伸至跨位置移动操作。
Mobile ALOHA 受到关注的原因在于展示了低成本硬件与模仿学习结合的潜力。项目演示了烹饪、打开柜门、冲洗锅具、擦拭液体、推椅子以及呼叫和进入电梯等任务，但需注意区分人的遥操作过程与训练后的自主执行结果——遥操作能够完成某项任务，并不自动代表机器人已自主学会。
对于具身智能研究，该平台将三个环节串联：人的示范、真实环境数据、机器人策略学习与执行验证。
数据采集与学习流程方面，Mobile ALOHA 通过全身遥操作同步采集视觉、机械臂状态和底盘运动数据，再使用行为克隆训练策略。行为克隆作为模仿学习方法，核心是学习示范中"状态—动作"的对应关系。系统组成包括：提供移动能力并记录运动的移动底盘、两个主端输入示范动作与两个从端执行的双臂结构、记录交互图像的摄像头、支持同时示范底盘与双臂动作的遥操作接口，以及支持数据记录和策略推理的机载计算与供电。
原始系统配置两个腕部 RGB 摄像头和一个朝前 RGB 摄像头，记录图像、关节位置及底盘线速度与角速度。采集阶段由人控制；训练后由策略根据观测生成动作。研究评估了 ACT（Action Chunking with Transformers，基于 Transformer 的动作分块）、Diffusion Policy 和 VINN 等方法，其中 ACT 一次预测一段动作序列。
原研究在评估的移动操作任务中，每项任务使用 50 次人工示范，并与已有静态 ALOHA 数据共同训练。该数字对应论文中的任务和实验设置，不能作为所有任务的数据量保证。共同训练的意义在于复用已有示范：新任务的移动操作数据可与桌面双臂数据结合。原文所述 825 应理解为 825 条示范轨迹（episodes），而非 825 种任务。实际数据需求取决于任务复杂度、环境变化、操作一致性及评估要求。
原始系统硬件配置与成本如下：
| 组件 | 规格 |
|---|---|
| 移动底盘 | 松灵机器人 TRACER 两轮差速底盘 |
| 从端机械臂 | 2 × ViperX 300 |
| 主端机械臂 | 2 个遥操作主端机械臂 |
| 摄像头 | 3 × Logitech C922x RGB，480 × 640，50 Hz |
| 计算单元 | Intel Core i7-12800H、NVIDIA RTX 3070 Ti 笔记本 |
| 电池 | 1.26 kWh |
| 垂直可达范围 | 距地面约 65–200 cm |
| 水平伸出距离 | 超出底盘约 100 cm |
| 举升能力 | 约 1.5 kg |
| 系统搭建预算 | 约 32,000 美元 |
上述预算为研究搭建成本，包含机载供电和计算设备，不是产品售价。松灵在原始研究中提供的是 TRACER 移动底盘，Mobile ALOHA 的研究方法与成果属于研究团队。
COBOT MAGIC 是松灵机器人基于 Mobile ALOHA 架构开发的双臂移动遥操作平台，面向真实环境数据采集、模仿学习及具身智能研究。其延续移动底盘、主从机械臂、视觉采集和机载计算相结合的设计，但采用不同硬件配置：
| 组件 | 规格 |
|---|---|
| 移动底盘 | TRACER 2.0 两轮差速底盘 |
| 机械臂 | PiPER 六轴机械臂，主从遥操作结构 |
| 深度相机 | 奥比中光 Dabai |
| 计算单元 | 配备 NVIDIA RTX 4060 的工控机 |
| 其他组件 | 松灵定制夹爪与示教器、移动供电、显示器等 |
配置以对应产品版本及交付清单为准。研究成果、原始 Mobile ALOHA 配置与 COBOT MAGIC 产品配置需分别理解。
COBOT MAGIC 将移动、双臂操作和传感采集集成于同一平台，可用于双臂遥操作、模仿学习及连续多步骤任务的数据采集，覆盖视觉与深度信息、机械臂状态、动作及遥操作轨迹。训练时需关注时间同步、记录完整性和任务标注，确保观测与对应动作关联。
其英文官网提及 ROS 1 / ROS 2、Gazebo、Isaac Sim、MuJoCo，以及 LeRobot、π0、π0.5、RDT 等软件生态支持，但使用时需按具体机器人配置、接口和软件版本完成适配、训练与实机验证，不能理解为任意模型即装即用。
从真实环境数据到机器人学习的可采用流程为：任务定义 → 人工遥操作示范 → 数据整理 → 策略训练 → 仿真或离线检查 → 实机评估 → 补充数据。
Mobile ALOHA 提供了双臂移动操作的研究方法，COBOT MAGIC 为相关实验提供集成硬件平台。机器人既是策略执行载体，也是示范数据采集和结果验证的工具。对于视觉—语言—动作模型（VLA）等具身智能研究，平台的作用是让模型与真实机器人、真实环境建立可验证的联系。
ALOHA 是什么？ 低成本、开源的双臂遥操作硬件系统，用于采集人工示范并开展双臂操作与模仿学习研究。
Mobile ALOHA 是人形机器人吗？ 不是，是双臂移动操作系统，使用轮式底盘；"全身遥操作"指双臂与底盘协同控制。
如何学习任务？ 先通过人工遥操作采集图像、机器人状态和动作，再通过行为克隆等模仿学习方法训练策略，最后在机器人上评估执行效果。
50 次示范能否学会任何任务？ 不能。该数字是原研究实验设置，且结合了已有静态 ALOHA 数据，新任务仍需通过测试确定数据需求。
32,000 美元是产品售价吗？ 不是，是原始研究系统的搭建预算，不代表当前硬件价格，也不是 COBOT MAGIC 报价。
COBOT MAGIC 是什么？ 松灵机器人基于 Mobile ALOHA 架构开发的双臂移动遥操作平台，用于真实环境数据采集和机器人学习研究。
本文根据松灵机器人英文官网文章编译，并依据研究论文和中文产品页校正术语及配置表述。