📲Digital Trends•較早收集於 9m
COBALT 平台實現透過智慧型手機進行遠端機器人控制
💡具身智慧的一大進步，將複雜的機器人控制變得像使用手機應用程式一樣簡單。
⚡ 30-Second TL;DR
有什麼變化
由 Georgia Tech 研究人員開發。
為什麼重要
這降低了遠端操作的進入門檻，可能加速機器人在非工業環境中的部署。它縮小了消費級行動裝置與實體機器人技術之間的差距。
下一步行動
如果您正在構建機器人軟體，請研究如何整合行動感測器 API，以創建直觀的無程式碼控制介面。
誰應關注：Researchers & Academics
關鍵要點
- •由 Georgia Tech 研究人員開發。
- •使用智慧型手機運動控制進行即時機器人操作。
- •消除了遠端機器人操作的編碼障礙。
🧠 深度解析
Web-grounded analysis with 8 cited sources.
🔑 增強重點摘要
- •COBALT是一個可擴展的雲端平台，旨在透過眾包方式收集模擬和真實機器人的高品質數據集，以解決機器人操作數據稀缺的瓶頸問題。
- •除了智慧型手機，COBALT還支援多種輸入設備，包括VR頭戴裝置、3D滑鼠和鍵盤，讓全球各地的操作員都能連接和控制機器人。
- •該平台實現了低延遲（20 Hz下低於100毫秒）的同步控制和渲染，單個GPU可支援數十名並發用戶，並已展示了在8個GPU上支援256個客戶端的能力。
- •一項用戶研究表明，基於智慧型手機的遠端操作表現與專業硬體相當，並且透過結構化的培訓課程顯著提高了數據收集的品質。
- •COBALT已成功透過眾包方式，在五天內從九個國家收集了超過50小時（7500多個演示）的試點數據集，並利用這些數據訓練了最先進的模仿學習模型。
🛠️ 技術深入
- 架構： COBALT是一個可擴展的雲端平台，採用負載平衡的基礎設施，旨在實現大規模數據收集。
- 可擴展性： 支援多個用戶在單一GPU上同時進行遠端操作，顯著降低了數據收集成本。該系統已展示了在8個GPU上支援256個客戶端的能力。
- 延遲： 實現了低於100毫秒的端到端延遲（20 Hz），可同時支援數十名用戶（每個GPU最多8名並發用戶）。
- 通訊： 利用記憶體內數據快取和高效的視訊串流（WebRTC）來保持控制和渲染的同步性。
- 服務模組： 每個虛擬機器運行三個透過Redis連接的服務：客戶端會話服務（接收客戶端數據並發布姿態命令）、遠端操作服務（執行模擬並生成攝影機渲染）和媒體服務（透過WebRTC向用戶串流渲染）。
- 輸入設備： 支援單個或雙智慧型手機（Android/iOS）、VR頭戴裝置、3D滑鼠和鍵盤。
- 數據品質： 記錄即時指標以自動篩選次優演示，並包含針對新手操作員的結構化培訓課程。
- 環境支援： 支援190多種環境，用於在模擬和真實世界環境中收集數據。
🔮 前景展望AI analysis grounded in cited sources
大幅加速機器人學習模型的開發。
透過智慧型手機實現大規模、低成本的眾包數據收集，解決了機器人操作數據稀缺的瓶頸，從而加速了模仿學習等AI模型的訓練。
促進機器人技術的普及與教育。
該平台降低了遠端機器人操作的門檻，使非專業人士也能參與，並可用於K-12教育環境，擴大計算機科學和機器人教育的機會。
催生新的「機器人零工經濟」。
該技術可能允許人們遠端操作輔助機器人完成家庭任務，類似於「機器人版Uber」，為遠端操作員創造新的工作機會。
⏳ 時間線
2016
Animesh Garg（COBALT的顧問）在史丹佛大學擔任博士後研究員期間，開發了RoboTurk，這是COBALT的早期版本。
2026-05-18
COBALT研究論文《COBALT: Crowdsourcing Robot Learning via Cloud-Based Teleoperation with Smartphones》在arXiv上發布。
2026-05-29
Georgia Tech發布新聞稿，宣布COBALT平台，強調其透過智慧型手機進行遠端機器人控制的能力。
2026-06-04
相關新聞報導和討論開始出現，提及COBALT平台及其對機器人學習數據收集的影響。
📎 來源 (8)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Digital Trends ↗