数据采集：ALOHA 遥操作系统

ALOHA 是什么

ALOHA（A Low-cost Open-source Hardware system for Bimanual Teleoperation）是 ACT 论文配套使用的数据采集平台，由斯坦福大学团队开发（与 ACT 同出一个团队）。它最大的特点是 便宜 + 开源 + 能双手协作——整套系统成本很低，任何人都能按图纸组装起来，用来教机器人做各种家务活。

上图为 ALOHA 系统的真实样子。操作者手持 Leader Arm（主臂/示教臂） 进行动作示范；Follower Arm（从臂/执行臂） 实时跟随 Leader 的运动轨迹。多个摄像头从不同视角记录整个操作过程，提供丰富的视觉观测——这些画面和关节数据，就是后面要喂给 ACT 的训练材料。

三大特点

🤲 两只手，能协作

由 4 个机械臂组成：2 个 Leader（主臂，人控制）+ 2 个 Follower（从臂，执行）。很多任务天生需要两只手配合——比如叠衣服、拉拉链、端盘子，单臂根本做不了。

🎮 遥操作教学

人直接用手握住 Leader 臂做示范，Follower 臂实时镜像跟随。就像玩"提线木偶"，人怎么动，机器人就怎么动，示范数据就这么自然地录下来了。

💸 开源低成本

硬件图纸和软件全部开源，成本远低于工业机器人。这让普通人也能在家搭建一套机器人实验室，是推动机器人学习研究普及的关键。

Leader 与 Follower 的分工

	🔴 Leader Arm · 人类控制	🔵 Follower Arm · 程序控制
谁在控制	人直接操控	程序控制
记录的数据	关节姿态称为 Action（动作）	关节姿态 + 相机图像构成 Observation（观测）
数据的作用	模型训练时学习的"标签"，也是测试时模型需要预测的目标	作为模型的输入。训练时 Follower 跟随记录的 Action；测试时 Follower 跟随模型预测的 Action

小结

ALOHA 解决了模仿学习的数据来源问题：用低成本硬件把"人类示范"直接转成 (Observation, Action) 训练对。有了数据，下一节将回答 ACT 最核心的设计问题——为什么要一次预测多步动作（Action Chunking）。