雙臂協調對於許多真實世界的操作任務至關重要，例如箱子搬運、背包打包、布料摺疊、夾克拉鍊和盤子交接等。然而，學習雙臂機器人策略受到雙臂機器人和數據集稀缺的限制。與此同時，單臂機器人在研究實驗室中廣泛可用。MonoDuo框架旨在利用單臂機器人演示結合人類協作來訓練雙臂操作策略，從而繞過雙臂數據稀缺的瓶頸。
MonoDuo通過遙操作單臂機器人執行雙臂任務的一側，同時由人類執行另一側來收集數據，然後交換角色以覆蓋兩側。這種方法能夠高效地收集多樣化的演示數據。來自腕裝和固定攝像頭的RGB-D觀測數據，通過最先進的手部姿態估計、圖像和點雲分割以及修復技術，被增強為目標雙臂機器人的合成演示。這些合成演示基於真實機器人運動學，確保了物理可行性，並用於訓練雙臂策略。
研究團隊在五項具有挑戰性的任務上評估了MonoDuo：箱子搬運、背包打包、布料摺疊、夾克拉鍊和盤子交接。與僅依賴人類雙臂視頻的方法相比，MonoDuo能夠在未見過的新雙臂機器人配置上實現零樣本部署，成功率高達70%。僅需25個目標機器人演示，通過少量微調即可將成功率進一步提高65-70%，相比從頭訓練有顯著提升。這一結果表明，MonoDuo能夠高效地將單臂機器人數據中的知識遷移至雙臂機器人策略。
該成果已被2026年IEEE國際機器人與自動化大會（ICRA）接收，將於2026年6月1-5日在奧地利維也納舉行。MonoDuo為利用廣泛可用的單臂機器人資源訓練雙臂策略開闢了新途徑，有望加速機器人操作技能的獲取和應用，尤其在工業自動化和服務機器人領域具有重要潛力。