Toddlerbot – Open-Source-ML-kompatible humanoide Plattform

 (toddlerbot.github.io)
7 Punkte von GN⁺ 2025-09-16 | 1 Kommentare | Auf WhatsApp teilen
  • ToddlerBot ist eine kostengünstige Open-Source-humanoide Roboterplattform, die für Policy-Learning und skalierbare Experimente in Robotik- und KI-Forschung entwickelt wurde
  • Die neue Version (2.0) unterstützt zahlreiche neue Funktionen wie Radschlag, Krabbeln, schnelles Gehen, VR-Teleoperation und Echtzeit-Stereotiefenschätzung
  • Mit 30 Freiheitsgraden, verschiedenen Endeffektoren (handflächenartig und Greifer) sowie schneller Reparatur auf Basis von 3D-Druck legt sie den Schwerpunkt auf Reproduzierbarkeit und Robustheit
  • Die ML-Kompatibilität wurde durch Gehen, beidhändige und Ganzkörpermanipulation sowie Skill Chaining unter Einsatz von Reinforcement Learning und Diffusionsmodellen nachgewiesen
  • Durch vollständige Open-Source-Anleitungen und Code kann jeder den Roboter bauen sowie Policy-Transfer und Experimente zur Multi-Roboter-Kollaboration durchführen

Bedeutung des Open-Source-Projekts Toddlerbot

  • Toddlerbot ist ein Open-Source-Projekt für humanoide Roboter, bei dem jeder den Quellcode nutzen und den Roboter selbst zusammenbauen und modifizieren kann
  • Im Vergleich zu kommerziellen humanoiden Robotern sind die Herstellungskosten niedrig, und die geringere Komplexität von Struktur und Bauteilen senkt die Einstiegshürde
  • Die Plattform kann für unterschiedliche Zwecke wie Robotik-Hardwaredesign, Softwaresteuerung und Algorithmus-Training genutzt werden
  • Dank einer aktiven Community und guter Dokumentation ist sie sowohl für Einsteiger als auch für Experten sehr nützlich
  • Sie eignet sich als Roboterplattform für Forschung und Entwicklung, Ausbildung und Prototyping

Zentrale Funktionen und Vorteile

  • Lässt sich mithilfe eines 3D-Druckers, Open-Source-Schaltplänen und frei verfügbarer Software leicht herstellen
  • Durch das modulare Design können Kopf, Arme, Rumpf und weitere Teile frei entworfen und ausgetauscht werden
  • Die Anbindung an mehrere Programmiersprachen wie Python ermöglicht Experimente mit unterschiedlichen Kontrollstrategien
  • Unterstützt die optionale Erweiterung um Sensoren, Motoren, Kameras und mehr

Hauptfunktionen von ToddlerBot 2.0

  • Radschlag: Demonstriert hohe Agilität und Balance; selbst bei Fehlschlägen treten kaum Schäden auf
  • Krabbeln: Vierfüßige Krabbelbewegung mit Armen und Beinen wie bei einem Kleinkind
  • Schnelles Gehen: Omnidirektionale Gehgeschwindigkeit von 0,25 m/s, Drehung auf der Stelle bis zu 1 rad/s
  • VR-Teleoperation: Echtzeitsteuerung auf Basis von Meta Quest 2
  • Stereotiefenschätzung: Mit Jetson Orin NX 16GB, Echtzeitverarbeitung bei 10 Hz

Designmerkmale

  • 30 Freiheitsgrade (DoF): 7 pro Arm, 6 pro Bein, 2 im Hals, 2 in der Taille
  • Sensoren und Elektronik: 2 Fisheye-Kameras, Lautsprecher, 2 Mikrofone, IMU, Jetson Orin NX
  • Endeffektoren: Zwei Optionen – flexible handflächenartige Ausführung oder Parallelgreifer

Leistungstests

  • Armlängentest: Kann Objekte greifen, die 14-mal größer als das Volumen des Rumpfs sind
  • Lasttest: Hebt 1,48 kg an, entsprechend 40 % des Gesamtgewichts, und hält dabei das Gleichgewicht
  • Dauertest: 19 Minuten mit einer RL-basierten Geh-Policy, keine Schäden trotz 7 Stürzen; Reparatur innerhalb von 35 Minuten (3D-Druck + Montage)

KI-basierte Bewegungen

  • Gespräch und Liegestütze: Integration von OpenAI Realtime API + GPT-4o
  • Klimmzug an der Stange: AprilTag-basierte Positionsbestimmung, Transfer einer Simulations-Policy auf reale Hardware
  • Gehen und Manipulation: Führt beidhändige und Ganzkörpermanipulation mit Reinforcement Learning und RGB-basierten Diffusions-Policies aus
  • Skill Chaining: Griff an einem Handgriff (Diffusions-Policy) → Schieben eines Wagens (RL-Policy)

Reproduzierbarkeit und Skalierbarkeit

  • Policy-Transfer: Auf einem ToddlerBot gelernte Manipulations-Policies lassen sich verlustfrei auf ein anderes Exemplar übertragen
  • Multi-Roboter-Kollaboration: Zwei Roboter führen gemeinsam langfristige Aufgaben aus (Zimmer aufräumen)
  • Einfache Montage: Dank Open-Source-Anleitungen und Videos für jeden nachbaubar

Forschungsunterstützung

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2025-09-16
Hacker-News-Kommentare

  • Wirklich beeindruckende Arbeit; ich hoffe, dass es, wenn es etwas günstiger wird, zu Hause für kleine Projekte einsetzbar ist

  • Das Fehlervideo beim Radschlag ist ziemlich eindrucksvoll; anscheinend haben die Roboter noch nicht gelernt, Stürze zu verhindern oder sich beim Umfallen selbst abzufangen. Die Radschlag-Demo selbst war allerdings unglaublich beeindruckend, und anfangs dachte ich, es sei ein Spielzeug oder CG, aber die Patzerszene hat mich ein Stück weit glauben lassen, dass es echt ist

    • Solche Roboter lernen nicht von selbst. Es ist so, als würde eine wunderschöne Animation in einer langen Einstellung nicht einfach von allein fertig werden. In diesem Sinne ist alles „fake“, gleichzeitig aber auch „echt“, weil es eine echte Bewegung ist, bei der Callbacks direkt in einem echten Browser ausgeführt werden

  • Baby-Roboter> In der ersten Szene ein perfekter RadschlagFühlt sich an, als würden echte Metalheads schon Babys unter Drogen setzen

  • Wirklich ein großartiges Werk! Ich frage mich, welche Einschränkungen es mit sich bringt, dass der gesamte Roboter fast vollständig 3D-druckbar aufgebaut ist. Für den Selbstbau scheint das aber unverzichtbar zu sein

  • Ich frage mich, ob es eine günstigere oder einsteigerfreundlichere Version gibt; der Jetson nano könnte ruhig bleiben, aber die übrigen Komponenten sollten für Anfänger nicht zu belastend sein

  • Tolles Projekt! Ich frage mich, ob ein Mujoco-Simulator vorbereitet ist, damit man mit VLA weiterforschen kann

  • Ich stelle mir vor, so einen Roboter zu kaufen und ihn die Katze füttern und Pakete an der Haustür hereinholen zu lassen; ich frage mich, ob ich da zu viel verlangePS: Als ich gesehen habe, dass „günstig“ hier 6.000 $ bedeutet, musste ich nur lachen

    • Das kommt auf die Situation an. Wenn das Futter in einen robotergeeigneten Behälter gefüllt wird, ist es viel einfacher, als wenn der Roboter das Futter direkt schöpfen soll. Wenn der Zusteller (oder der Roboter) das Paket jedes Mal am gleichen Ort abstellt, ist es einfacher, aber wenn nicht, wird es für den Roboter sehr schwer, das Paket zu finden. Mitunter müssen sogar Verpackungsteam und Nutzer den Ort im Voraus abstimmen. Es ist ambitioniert, aber was die Umsetzung verhindert, ist nicht, dass es grundsätzlich unmöglich wäre, sondern dass man alle Veränderungen und Details jeder Umgebung programmieren muss. Einen Roboter 5 cm zu bewegen ist einfach, aber ihn einen unbekannten Gegenstand finden zu lassen, der irgendwo abgelegt wurde, ist sehr schwierig; es wird zwar immer besser, bleibt aber ein kniffliges Problem

    • Es gibt bereits viele automatische Futterspender auf dem Markt; ich benutze einmal im Monat einen Kibble-Futterspender, dazu einen Nassfutterspender, den man täglich auffüllen muss, und einen Trinkbrunnen

    • 6.000 $ sind für einen servoangetriebenen Roboter in Babygröße teuer, aber immer noch günstiger als die meisten chinesischen Roboterhunde. Robotik ist wirklich sehr kostspielig

    • Ich fände es großartig, wenn eine Version für 1.000 Dollar herauskäme (ob das möglich ist, weiß ich allerdings nicht)

  • Zwei Achsen in der Hüfte (2 DOF)! Wirklich beeindruckende Hingabe

  • Sieht wirklich großartig aus, danke fürs Teilen der guten Infos

  • „Jurassic Park“-Meme einfügen