ALOHA2：一个增强的双臂操作低成本硬件

与ALOHA相比，ALOHA2拥有更强的表现、更友好的人体工程学、以及更强的鲁棒性。同时，作者们还开源它的MuJoCo模型。如图1所示，ALOHA2拥有重力补偿，重新设计了leader与follower夹抓。ALOHA2的提升主要关注的方面为：

• 性能与任务范围：通过提升夹抓与控制器等关键元件，从而提升ALOHA性能，以适用于更广泛的操作任务。
• 用户友好性与人体工程学：为了优化大规模的数据收集，优化用户体验与舒适性。这需要提升面向用户系统的响应性与人体工学设计。
• 鲁棒性：为了最小化诊断与修复造成的停机时间增强系统的鲁棒性，简化了机械设计与确保整体维护的容易程度。

图1 ALOHA2的详细图片描述

最终，作者们做出了如下确切的提升：

• 夹抓：创建了低摩擦的轨道设计，从而提升leader与follower夹抓。对于leader机器人，这提升了远程操作的人体工学与响应性。对于follower，这提升了延时与夹抓输出的力。除此之外，作者们还升级了夹抓手指上胶带材料，从而提升延时与抓取小物品的能力。
• 重力补偿：创建了一个被动重力补偿机制，该机制利用了开箱即用的元件，从而提升了ALOHA原始橡胶带系统的延时性。
• 框架：简化了工作空间周围的框架，同时保持了相机的刚性。这些变化增加了人机交互合作的空间。
• 相机：使用了更小的Intel RealSense D405相机，定制了3D打印相机固定装置，从而减少了follower机械臂的足迹，从而减少抑制操作任务。与原始消费级webcams相机相比，该相机拥有更大的视角、提供了深度信息、拥有全局快门，且允许定制。
• 仿真：在MuJoCo模型建模了ALOHA2的精确说明，从而允许在仿真环境中提升数据收集、策略学习、以及评估。

这些提升使远程操作挑战任务变得更容易，例如：叠T-shirt、打结、扔物品、或低容度的工业级任务。这些提升使机器人收集任务的演示数据变得更容易。