Toddlerbot - plateforme humanoïde open source compatible ML
(toddlerbot.github.io)- ToddlerBot est une plateforme de robot humanoïde open source à bas coût, conçue pour la policy learning et l’extensibilité expérimentale en robotique et en IA
- La nouvelle version (2.0) prend en charge de nombreuses nouvelles fonctionnalités, dont la roue, le déplacement à quatre pattes, la marche rapide, le télépilotage en VR et l’estimation de profondeur stéréo en temps réel
- Elle met l’accent sur la reproductibilité et la robustesse, avec une conception à 30 degrés de liberté, différents effecteurs terminaux (type paume et gripper) et des réparations rapides basées sur l’impression 3D
- Sa compatibilité ML est démontrée pour la marche, la manipulation bimanuale et du corps entier, ainsi que l’enchaînement de compétences (skill chaining), à l’aide de l’apprentissage par renforcement et de modèles de diffusion
- Des manuels et du code entièrement open source sont fournis, permettant à chacun de la fabriquer, de transférer des policies et de mener des expériences de coopération multi-robots
Importance du projet open source Toddlerbot
- Toddlerbot est un projet de robot humanoïde open source que chacun peut utiliser pour l’assembler et le modifier lui-même
- Par rapport aux robots humanoïdes commerciaux, il se distingue par un coût de fabrication plus faible et une barrière à l’entrée réduite grâce à une structure et un nombre de pièces limités
- Il peut être utilisé pour de nombreux objectifs, comme la conception matérielle robotique, le contrôle logiciel ou l’apprentissage d’algorithmes
- Grâce à une communauté active et à une documentation fournie, il est utile aussi bien aux débutants qu’aux experts
- C’est une plateforme robotique adaptée à la recherche et au développement, à l’enseignement et au prototypage
Principales fonctionnalités et avantages
- Fabrication facile via une imprimante 3D, des schémas électroniques open source et des logiciels publics
- La structure au design modulaire permet de concevoir et remplacer librement la tête, les bras, le corps, etc.
- Son intégration avec plusieurs langages de programmation, dont Python, permet d’expérimenter diverses stratégies de contrôle
- Prend également en charge l’ajout optionnel de capteurs, moteurs, caméras et autres extensions
Principales fonctionnalités de ToddlerBot 2.0
- Roue : démontre une grande agilité et de bonnes capacités d’équilibre, avec très peu de casse même en cas d’échec
- Déplacement à quatre pattes : mouvement de reptation quadrupède utilisant bras et jambes comme un jeune enfant
- Marche rapide : vitesse de marche omnidirectionnelle de 0,25 m/s, rotation sur place jusqu’à 1 rad/s
- Téléopération en VR : contrôle en temps réel basé sur Meta Quest 2
- Estimation de profondeur stéréo : équipée d’un Jetson Orin NX 16GB, traitement en temps réel à 10 Hz
Caractéristiques de conception
- 30 degrés de liberté (DoF) : 7 pour les bras, 6 pour les jambes, 2 pour le cou, 2 pour la taille
- Capteurs et électronique : 2 caméras fisheye, un haut-parleur, 2 microphones, IMU, Jetson Orin NX
- Effecteurs terminaux : deux options, type paume souple ou gripper parallèle
Expériences de performance
- Test de portée des bras : peut saisir des objets jusqu’à 14 fois plus grands que le volume du torse
- Test de charge : peut soulever 1,48 kg, soit 40 % de son poids total, tout en gardant l’équilibre
- Test d’endurance : avec une policy de marche basée sur l’apprentissage par renforcement, a tenu 19 minutes, sans casse malgré 7 chutes, avec une réparation en moins de 35 minutes (impression 3D + assemblage)
Mouvements basés sur l’IA
- Conversation et pompes : intégration avec OpenAI Realtime API + GPT-4o
- Tractions à la barre : reconnaissance de position basée sur AprilTag, transfert sur matériel réel d’une policy apprise en simulation
- Marche et manipulation : réalisation de manipulations bimanuales et du corps entier grâce à l’apprentissage par renforcement et à une policy de diffusion basée sur RGB
- Enchaînement de compétences (Skill Chaining) : saisir une poignée (policy de diffusion) → pousser un chariot (policy d’apprentissage par renforcement)
Reproductibilité et extensibilité
- Transfert de policy : une policy de manipulation apprise sur un ToddlerBot peut être transférée sans perte à un autre exemplaire
- Coopération multi-robots : deux robots réalisent ensemble une tâche longue (ranger une pièce)
- Facilité d’assemblage : fabrication possible pour tous grâce à des manuels et vidéos open source
Support à la recherche
- Article : ToddlerBot: Open-Source ML-Compatible Humanoid Platform for Loco-Manipulation (arXiv:2502.00893)
- Développé par une équipe de recherche de l’université Stanford, avec de nombreux soutiens dont la NSF et la Sloan Fellowship
1 commentaires
Commentaires sur Hacker News
Travail vraiment impressionnant ; j’espère que ça deviendra un peu moins cher pour pouvoir l’utiliser chez moi sur de petits projets
La vidéo de l’échec du salto est assez marquante ; on dirait que les robots n’ont pas encore appris à éviter les chutes ou à se rattraper quand ils tombent. La démo du salto elle-même était très impressionnante, et au début je pensais que c’était un jouet ou du CGI, mais voir l’erreur m’a un peu convaincu que c’était réel
C’est vraiment une superbe réalisation ! Je me demande quelles sont les limites d’une structure de robot presque entièrement imprimable en 3D. Cela dit, ça semble indispensable si on veut l’assembler soi-même
Je me demande s’il existe une version moins chère ou plus accessible aux débutants, en gardant le Jetson nano mais avec le reste des composants dans une configuration moins intimidante pour un novice
Super projet ! Je me demande s’il y a un simulateur Mujoco prêt pour faire des recherches supplémentaires avec du VLA
Je m’imagine acheter un robot comme ça pour qu’il donne à manger au chat et récupère aussi les colis à l’entrée ; je me demande si j’en demande tropPS : voir que « abordable » veut dire 6 000 $ m’a juste fait rire
Ça dépend du contexte. Si la nourriture est mise dans un contenant adapté au robot, c’est bien plus facile que de lui faire servir directement les croquettes. Si le livreur (ou le robot) dépose toujours les colis au même endroit, c’est plus simple, mais sinon il devient très difficile pour le robot de trouver le paquet. Il faut parfois que l’équipe d’emballage et l’utilisateur se mettent d’accord jusqu’à l’emplacement. C’est ambitieux, mais ce qui empêche sa réalisation, ce n’est pas que ce soit impossible, c’est qu’il faut programmer toutes les variations et tous les détails propres à chaque environnement. Faire déplacer un robot de 5 cm est facile, mais lui faire trouver un objet inconnu posé n’importe où est très difficile ; ça progresse, mais ça reste un problème délicat
Il existe déjà beaucoup de distributeurs automatiques de nourriture sur le marché ; moi, j’utilise un distributeur de croquettes à remplir une fois par mois, un distributeur de nourriture humide à remplir tous les jours, ainsi qu’une fontaine à eau
Le prix de 6 000 $ est élevé pour un robot à servomoteurs de taille bébé, mais c’est quand même moins cher que la plupart des chiens robots chinois. La robotique coûte vraiment très cher
Je trouverais vraiment génial qu’une version à 1 000 dollars voie le jour (si c’est possible)
Deux axes à la taille (2 DOF) ! Quel dévouement incroyable
Ça a l’air vraiment génial, merci d’avoir partagé