ALOHA / ACT（低成本双手遥操作 + 动作分块）¶
📌 一句话：用低成本、不精密的硬件做精细双手操作——自研遥操作接口采真实演示，端到端模仿学习；提出 ACT（Action Chunking with Transformers）对动作序列建生成模型，缓解误差累积，仅 10 分钟演示即可在 6 个难任务上达 80–90% 成功率。 🎬 arXiv 2304.13705 · 项目页 ⚠️ 摘要级占位卡，未精读全文。原版 ALOHA；移动版见 卡片-MobileALOHA。
🧰 对我们（速判）¶
- 数据规模：极省——单任务仅约 10 分钟演示即可学会。
- 采集成本：极低——廉价双臂 + 自研遥操作接口（领出器风格）。
- 开源：软硬件开源，社区影响极大（VLA/模仿学习常用基座）。
- 证据：A（地标性低成本双手遥操作工作）。
- 能借：低成本采数 + ACT 动作分块抑制误差累积，是模仿学习数据效率的关键招。
关键（摘要级）¶
- 低成本双臂 + 自研遥操作接口采真实演示，端到端模仿学习。📄
- ACT：对动作序列建生成模型 → 缓解误差累积与人示范非平稳。📄
- 6 个精细任务（如开酱料杯、装电池）80–90% 成功，仅需 10 分钟演示。📄