【開云電競官網科技消息】9月2日,自變量發布Tr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫inDEX——一對孿生的三指九自由度靈巧操作手:一個可穿戴,用于數據采集;一個裝在機器人上,用于真機部署。

據開云電競官網科技了解,Tr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫inDEX由一套可穿戴的無本體數據采集系統和一套與之匹配的機器人末端執行器組成,讓基礎模型僅用數百條無本體數據進行后訓練,全程不引入真機遙操作數據,就能學會操縱三指靈巧手完成復雜任務。
評測顯示,Tr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫inDEX的無本體數據采集效率達到真機遙操作的5.3倍;訓練模型時無本體數據近乎可100%完全替代真機遙操作數據。這意味著,靈巧操作訓練不再完全受制于高成本真機數據,規模化采集無本體數據、推動機器人能力提升,找到了新的可行路徑。
要讓靈巧操作真正走向規模化,既需要手的靈巧設計,也要讓無本體數據能夠高效訓練模型,并讓數據采集能夠規模化拓展。圍繞這三個目標,Tr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫inDEX從靈巧性、一致性和可規?;齻€方面進行設計。
靈巧性方面,Tr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫inDEX采用三指九自由度、其中七個為主動自由度的設計,在靈巧性、可靠性和成本之間取得平衡。基于覆蓋多種元操作的測試,自變量發現,三指通過拇指、食指和中指的協同配合,能夠完成生活場景中的大多數操作,是靈巧操作的“最小可行性解”。配合足夠好的基礎模型,足以勝任各種復雜操作。

一致性是無本體數據可以直接用于機器人策略學習的關鍵。跨本體數據采集往往存在采集端與執行端之間的運動學差異和精度損失,數據難以直接遷移,需要用真機數據進行對齊或微調。Tr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫inDEX則以“純無本體數據訓練”為目標,以最終應用性能為錨點,反向設計采集端需要達到的一致性指標。
可規?;矫妫琓r:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫inDEX采用可穿戴三指外骨骼作為采集端,將數據采集從機器人本體和固定環境中解放出來?!耙幻僮鲉T、一張桌子、一套外骨骼,就是一個完整的數據采集單元?!蓖夤趋捞峁┲庇^的力反饋,幫助操作員完成自然、精細的接觸操作;模塊化的采集方式則支持通過增加設備和操作員實現并行擴展,讓數據規模不再受機器人數量和固定設施限制。
版權所有,未經許可不得轉載
-開云電競官網