Uczenie się przez naśladownictwo jest problemem związanym z przepływem pracy w takim samym stopniu jak problemem sprzętowym. Zespół potrzebuje powtarzalnych demonstracji, zsynchronizowanych obserwacji i sposobu na ocenę polityki bez cichej zmiany zadania. Zacznij od jednego kontrolowanego zachowania na stole, takiego jak umieszczenie znanego przedmiotu na tacy, zamiast obiecać autonomię gospodarstwa domowego ogólnego przeznaczenia.
Wybierz jedno zadanie i jedną definicję sukcesu
Zapisz początkowe pozycje obiektów, dozwolone zmiany, warunki powodzenia i limit czasu. Oddziel obiekty szkoleniowe od obiektów ewaluacyjnych. Licz interwencje i resety wraz z udanymi próbami. Jeśli człowiek koryguje robota podczas oceny, zapisz tę poprawkę, zamiast traktować próbę jako w pełni autonomiczną.
Najpierw zaprojektuj pętlę nagrywania
Wybierz widoki z kamery, które pokazują zarówno obiekt, jak i efektor końcowy w trakcie ruchu. Sprawdź wyrównanie znacznika czasu, porzucone klatki, jednostki, konwencje akcji i kalibrację. Zapisuj nieudane demonstracje osobno, zamiast po cichu mieszać je w zestawie treningowym. Upewnij się, że wybrany sterownik sprzętowy jest obsługiwany przez dokładnie tę wersję oprogramowania, którą będziesz uruchamiać.
Zachowaj wąskie pierwsze wdrożenie
Odtwórz bezpiecznie krótkie nagranie przed szkoleniem dużej polityki. Przetestuj ładowanie danych w trybie offline i krótki przebieg szkoleniowy, a następnie przeprowadź nadzorowaną ocenę w ograniczonym obszarze roboczym. Przewodnik instalacji lub wydanie modelu nie zapewniają bezpiecznego wdrożenia w świecie rzeczywistym. Użyj tej samej konfiguracji zadań podczas porównywania zasad i zachowaj prostą linię bazową.
Budżet na jakość danych, a nie tylko na liczbę robotów
Uwzględnij czas pracy operatora, przechowywanie, adnotacje, konserwację i wielokrotną kalibrację w budżecie projektu. Skaluj liczbę demonstracji dopiero po wyjaśnieniu błędów w małym zbiorze danych. Drugi robot wprowadza różnice w kalibracji i wykonaniu; zweryfikuj ten transfer, zanim założysz, że więcej sprzętu zapewni lepszą politykę.
Krótka lista zasobów
Uporządkowane według przepływu pracy, a nie zmierzonej wydajności. To są redakcyjne punkty wyjścia. Postępuj zgodnie z każdym wpisem katalogu w jego oficjalnej dokumentacji i potwierdź dokładną konfigurację przed zakupem.
SO-101 →
Ramię stołowe, punkt wyjścia dla małego projektu dotyczącego teleoperacji i uczenia się przez naśladownictwo.
Sprawdź przed zatwierdzeniem: Montaż, kalibracja i to, czy dokładna wersja sprzętu jest obsługiwana przez zamierzony sterownik.
ALOHA →
Opcja dwuręczna, gdy zadanie faktycznie wymaga skoordynowanych demonstracji obu rąk.
Sprawdź przed zatwierdzeniem: Oryginalny projekt jest punktem odniesienia do badań. Trossen zgłasza, że jego dotychczasowa linia sprzętu ALOHA dobiegła końca; rozróżnij reprodukowaną wersję badawczą od aktualnych produktów Trossen AI i potwierdź części/wsparcie.
Universal Manipulation Interface →
Alternatywne podejście do zbierania w formie demonstracyjnej umożliwiające sprawdzenie, czy zbiór ręczny spełnia zadanie.
Sprawdź przed zatwierdzeniem: Wymagana konfiguracja kamery i śledzenia, założenia dotyczące kalibracji oraz sposób mapowania demonstracji na robota wdrażającego.
LeRobot →
Zasób oprogramowania do organizowania zbiorów danych robotów i procesów uczenia się.
Sprawdź przed zatwierdzeniem: Obsługiwane sterowniki robotów, format zbioru danych, zależności polityk i odtwarzalne wersje środowiska.
MuJoCo →
Zasoby symulacyjne do testowania kontrolowanych zachowań przed próbami sprzętowymi.
Sprawdź przed zatwierdzeniem: Wierność modelu, założenia siłownika oraz to, jakich trybów awarii nie odtworzy symulacja.
Zamień krótką listę w decyzję
Zapisz zadanie, warunki pracy, kryteria sukcesu i całkowite koszty posiadania. Poproś wybranych dostawców o zademonstrowanie Twojego reprezentatywnego zadania, w tym usuwania awarii. Użyj tego samego testu akceptacyjnego dla każdego kandydata.
Zapoznaj się z pełnym katalogiem robotyki →