Roboter können sich imitieren - ein praktisches Handbuch
Ein praktischer Leitfaden zum Nachahmen für Roboter: Was ist es, wie ACT, Diffusion Policy und VLAs vergleichen, Datenanforderungen, Hardware und wie RCSV Ihre IL-Forschung unterstützt.
Teil: [Handbuch zum Nachbilden]
Imitierungslernen sind das dominierende Paradigma für die Ausbildung von Roboter in geschickten Manipulationsfähigkeiten. Anstatt Handarbeit von Belohnungfunktionen oder Bewegungspläne zu schreiben, zeigen Sie dem Roboter einfach, was er tun soll.
Was ist das Nachbilden?
Imitierungslernen (IL) - auch als Demonstrationslernen (LfD) oder Verhaltenskloning bezeichnet - trainieren eine Politik, um von einem menschlichen Betreiber erfasste Aktionen zu replizieren. Während der Datenerhebung teleportiert ein geschickter Demonstrant den Roboter durch die Ziel-Tasche, während Sensoren gemeinsame Positionen, Endefektor-Posen, Kamerarahmen und jeden anderen relevanten Zustand aufzeichnen. Diese aufgezeichneten Daten werden zum Ausbildungsangebot für eine Neuronennetzpolitik.
Die Anziehungskraft von IL auf das Verstärkungslernen ist praktisch: Sie müssen kein Belohnungssignal erstellen, Millionen simulierter Ausführungen durchführen oder ein Problem mit knappem Belohnungsschaden lösen. Die Herausforderung ist die Verallgemeinerung - Politiken, die auf schmalen Demonstrationen ausgebildet werden, können scheitern, wenn sich die Positionen, die Beleuchtung oder die Aufgabenvariationen von der Ausbildungsverteilung unterscheiden.
Die moderne IL-Forschung befasst sich mit diesem Thema durch bessere Architekturen, größere und vielfältigere Datensätze und vorgebildete visuelle Darstellungen. Seit 2023 hat sich das Feld rasch entwickelt, und das Produktionsqualitäts-Imitationslernen ist nun für Teams ohne Zugang zu einem Roboter-PhD-Programm in Reichweite.
IL-Algorithmus Taxonomie: BC, DAgger und HG-DAgger
**Verhaltensklonung (BC) ** ist die einfachste Form des Imitationslernens. Sie sammeln einen statischen Datensatz von (Beobachtung, Aktion) Paaren aus Demonstrationen, trainieren dann ein neuronales Netzwerk, um Aktionen aus Beobachtungen über beaufsichtigtes Lernen vorherzusagen. BC ist einfach zu implementieren, schnell zu trainieren und erfordert keine Online-Interaktion. Die grundlegende Schwäche ist der compounding error: Bei der Bereitstellung verschieben kleine Vorhersagefehler die Beobachtungsverteilung von den Trainingsdaten ab und die anschließenden Vorhersagen verschlechtern sich weiter, weil die Politik in Staaten extrapoliert, die sie während der Ausbildung nie gesehen hat.
Für eine Schritt-Fehlerrate von Epsilon wächst der erwartete Gesamtfehler über T-Schritte nach der schlimmsten Fallanalyse von Ross and Bagnell (2010) zu O(epsilon * T^2). In der Praxis funktioniert das BC für kurze Aufgaben (unter 30 Schritte bei der Kontrollfrequenz) gut, schwächt sich aber schnell auf längeren Horizont ohne Minderungsstrategien wie Action Chunking ab.
**Dolch ** adressiert den Komponiebegriff durch die Online-Daten-Sammlung. Nach einer ersten BC-Phase wird die gelernte Politik eingesetzt, und ein Experte etikettiert die Maßnahmen, die in den Staaten, in denen die Politik tatsächlich besucht worden war, ergriffen werden sollten. Diese neuen Daten werden dem Trainingsset hinzugefügt und die Politik wird neu ausgebildet. Die praktische Kosten sind, dass DAgger während der Ausbildung wiederholten Zugang zu einem Experten erfordert - der Experte muss die Politik laufen beobachten und seine Fehler in Echtzeit korrigieren.
**HG-DAgger (Human-Gated DAgger) ** ist eine praktischere Variante für das Lernen von Robotern. Statt, dass ein Experte jeden besuchten Zustand ein Etikett aufschreiben muss, erlaubt HG-DAgger dem Menschen, nur zu intervenieren, wenn die Richtlinie kurz vor dem Scheitern ist. Der Betreiber beobachtet, wie der Roboter die gelernte Richtlinie ausführt und übernimmt bei Bedarf die Kontrolle. Die Interventionsbahnen (die Korrekturdemonstrationen aus den spezifischen Fehlerstatten der politischen Begegnungen darstellen) werden dem Datensatz hinzugefügt. Dieser Ansatz ist 3-5 mal effizienter als der Standard-DAgger, da der Mensch nur Demonstrationen liefert, wo sie am meisten benötigt werden.
Für die meisten praktischen Roboter-Lernprojekte bei RCSV empfehlen wir, mit BC mit Action Chunking (das den Zusammenschlussfehler dramatisch reduziert) zu beginnen und nur dann auf HG-DAgger zu wechseln, wenn die Politik anhaltende Fehlermodi hat, die zusätzliche BC-Daten nicht lösen.
Datensatz-Skalierungsgesetze für das Nachahmen des Lernens
Wie viele Demonstrationen benötigen Sie eigentlich? Die Antwort hängt von der Komplexität der Aufgabe, dem Algorithmus und der Menge der Verallgemeinerung ab. Basierend auf veröffentlichten Ergebnissen und den internen Bewertungsdaten von RCSV sind hier die empirischen Skalierungsverhaltensweisen:
| Dataset Size | Typical Result (single task, ACT) | When to Stop Adding Data |
|---|---|---|
| 10-25 demos | 20-40% success; policy captures gross motion but misses details | Never -- this is only useful for sanity checks |
| 50-100 demos | 60-80% success on in-distribution objects/positions | Acceptable for a research prototype with fixed conditions |
| 200-500 demos | 80-92% success; handles moderate position/object variation | Sufficient for most single-task deployments |
| 500-2000 demos | 88-95% success; robust to diverse objects, positions, lighting | Diminishing returns unless adding diversity, not volume |
Ein kritischer Einblick aus [Skalierungsgesetze Forschung]
Die Wahl der staatlichen Vertretung
Die Beobachtungsfläche, die Ihrer Politik zugeführt wird, beeinflusst die Lerneffizienz und die Verallgemeinerung erheblich.
Gegenschaftswinkel + Bilder (empfohlene Standardbilder). Die Beobachtung bei jedem Zeitschritt ist der Vektor der Roboter-Gegenschaftspositionen (7-dimensionalen für einen 7-DOF-Arm plus 1 für den Griff) mit einem oder mehreren Kamerabildern (typischerweise 224x224 oder 256x256 RGB) verknüpft. Bilder liefern den visuellen Kontext, der zur Identifizierung von Objekten und Arbeitsraumlayout benötigt wird. Dies ist das Standard-Eingabeformat für ACT, Diffusion Policy und die meisten VLA-Modelle.
End-Effektor-Pose + Bilder. Anstelle von gemeinsamen Winkeln umfasst die Beobachtung die Position des End-Effektors (x, y, z) und die Orientierung (Quaternion oder Rotationsmatrix) im Basisrahmen des Robots. Die Abneigung: End-Effektor-Repräsentationen können bei redundanten Manipulatoren, bei denen mehrere gemeinsame Konfigurationen die gleiche End-Effektor-Pose erzeugen, Zweideutigkeit schaffen.
Gemählungen nur in gewöhnlichen Winkeln (keine Bilder). Bei Aufgaben in einer festen Umgebung mit bekannten Objektenpositionen (z.B. Fabrikmontage mit festgelegten Teilen) können reine proprioceptive Maßnahmen, die allein in gewöhnlichen Winkeln ausgebildet sind, mit sehr wenigen Demonstrationen (so wenig wie 20-50) hohe Erfolgsraten erzielen. Dieser Ansatz ist schnell zu trainieren, einfach zu implementieren und sehr zuverlässig - aber keine Verallgemeinerung für visuelle Veränderungen.
Aktionsraumgestaltung: Absolute vs. Delta
Wie Handlungen dargestellt werden, ist wichtiger, als die meisten Praktiker erkennen.
Absolute gemeinsame Positionen. Jede Aktion ist der Ziel-Gelenkschnittvektor für den nächsten Zeitschritt. Der Vorteil: Aktionen sind interpretierbar und durch gemeinsame Grenzen begrenzt. Der Nachteil: Die Politik muss die vollständige Kartierung von Beobachtungen bis zu absoluten gemeinsamen Zielen erlernen, und kleine Beobachtungsänderungen können große Aktionsänderungen erfordern (da das absolute Ziel möglicherweise weit von der aktuellen Position entfernt ist). ACT verwendet Standardmäßig absolute gemeinsame Ziele.
Delta-Aktionen. Jede Aktion ist die Änderung der gemeinsamen Winkel oder Endfaktor-Pose gegenüber dem aktuellen Zustand. Der Vorteil: Delta-Aktionen sind von Natur aus klein, so dass sie leichter genau vorherzusagen sind und sie besser auf den Ausgangspunkt verallgemeinern, der während des Trainings nicht zu sehen ist (weil die Politik relative Bewegungen anstelle von absoluten Zielen lernt). Der Nachteil: Delta-Aktionen können sich bei Abwesenheit einer absoluten Referenzkorrektur über lange Bahnen hinweg aufbauen.
Praktische Empfehlung: bei Aufgaben unter 100 Schritten bei 10-20 Hz-Steuerung bieten delta-End-Effektor-Aktionen mit gelegentlichen absoluten Wegpunkten die beste Kombination aus Verallgemeinerung und Genauigkeit. bei zweimanuale Aufgaben, bei denen gemeinsame Koordinierung wichtig ist, vermeiden absolute gemeinsame Ziele (wie in ACT) die Synchronisierungsprobleme, die delta-Aktionen zwischen zwei Armen erzeugen können.
ACT: Aktionsschütteln mit Transformatoren
ACT, die neben der ALOHA-Bimanual-Roboterplattform von Stanford eingeführt wurde, behandelt die Roboterkontrolle als Sequenzvorhersageproblem. Die Richtlinie prognostiziert eine Menge zukünftiger Aktionen - typischerweise 50-100 Zeitschritte - anstatt einer einzigen nächsten Aktion. Dieses Aktionsschütteln reduziert den Kompoundfehler, der der Hauptversagenmodus der naiven Verhaltensklonung ist, bei dem sich kleine Vorhersagefehler über eine Bahn ansammeln.
ACT verwendet einen CVAE (Conditional Variational Autoencoder) während des Trainings, um die Multimodalität menschlicher Demonstrationen zu erfassen - die Tatsache, dass es oft mehr als eine richtige Möglichkeit gibt, eine Aufgabe zu erledigen. Das Ergebnis ist eine Politik, die die natürliche Variation der vom Menschen gezeigten Aufgaben ohne Modus-Durchschnitt-Artefakte behandelt.
Wichtige Implementierungsdetails, die die Leistung beeinflussen: Das KL-Divergenzgewicht im CVAE-Verlust steuert den Kompromiss zwischen Rekonstruktionsgenauigkeit und latenter Raumregulierung. Beginnen Sie mit einem Gewicht von 10 und durchsuchen [1, 5, 10, 50]. Die zeitliche Ensemble-Technik - durchschnittlich überlappende Aktionsstücke mit exponentiellem Gewicht - vereinfacht die Übergangs zwischen den Stücken und reduziert den Nervenregeln. Verwenden Sie ein exponentielles Gewicht von 0,01 für das temporäre Ensemble.
ACT ist ein starker Ausgangspunkt für die zweibäufige Manipulation. Es erfordert relativ bescheidene Datenmengen (50-200 Demonstrationen pro Aufgabe) und trainiert in 2-4 Stunden auf einer einzigen GPU. Wenn Sie mit ALOHA-Hardware oder einem ähnlichen zweibäufigen Setup arbeiten, sollte ACT Ihr erster Algorithmus sein, der es ausprobieren sollte. Die [Datendienste] von RCSV (
Diffusionspolitik: Umgang mit multimodalen Aktionsverteilungen
Die Diffusion Policy wendet Score-Matching-Difusion-Modelle an - die gleiche Klasse von Modellen, die Stable Diffusion für Bilder antreibt - auf den Roboter-Aktionsraum. Anstatt eine einzige beste Aktion vorherzusagen, lernt die Politik die vollständige Verteilung der Aktionen, die ein menschlicher Demonstrant unternehmen könnte.
Der Hauptvorteil gegenüber ACT ist, wie es multimodalen Aufgaben umgeht: Szenarien, in denen ein Mensch ein Objekt von links oder rechts greifen oder sich einem Ziel aus mehreren gültigen Winkeln nähern könnte. Diffusion Politikproben aus dem richtigen Modus angesichts des aktuellen Kontextes, die ein robusteres Verhalten bei zweideutigen Aufgaben erzeugen.
Die Diffusion Policy mit einem UNet-Backbone erfordert 100 Schritte bei der Standardinhaltsweise (DDPM), die auf einem RTX 3090 ungefähr 500 ms dauert - zu langsam für die Echtzeitkontrolle. Der DDIM-Sampler reduziert dies auf 10 Schritte (~200 ms), und Konsistenzdestillationsvarianten erreichen eine Ein-Schritt-Generation (~50 ms), wodurch Echtzeitbetrieb praktikabel ist. Für einen detaillierten Vergleich der Ableitzeit und der Zeitpunkt der Verwendung jeder Variante siehe unseren [Richtlinie für Entscheidungen im Bereich der Verbreitungspolitik]
Die Diffusion Policy profitiert in der Regel von mehr Demonstrationen als der ACT, belohnt jedoch die Vielfalt der Datensätze mehr als die Rohmenge.
Modelle für Vision-Sprache-Aktion: IL im Maßstab
VLAs wie OpenVLA, pi0 und RT-2 erweitern das Imitationslernen durch Vor-Training auf Internet-Skala-visuelle und Sprachdaten vor der Fein-Tuning auf Roboter-Demonstrationen. Feine Abstimmung erfordert viel weniger Demonstrationen als Training von Grund auf - manchmal nur 10 bis 50 Aufgaben-spezifische Beispiele.
Die praktischen Kompromisse zu verstehen: VLAs erfordern sowohl für das Training als auch für die Ableitung deutlich mehr Rechenleistung. OpenVLA (7B-Parameter) erfordert eine A100- oder H100-GPU für die Feinarierung und führt die Ableitung bei etwa 3 Hz aus - für langsame Manipulation, aber nicht für reaktive Aufgaben. Kleinere destillierte Varianten entstehen, bleiben aber weniger fähig als die vollständigen Modelle. Für Teams, die sich die Rechen- und Lizenzanforderungen leisten können, stellen VLAs die aktuelle Grenze der IL-Leistung dar. Sie verallgemeinern sich besser auf neue Objekte, neue Umgebungen und sprachspezifische Aufgabenvariationen.
RCSV bietet Fein-Tuning-Daten-Sets und [Teleoperationsinfrastruktur]
Über die K.K.: GAIL, IBC und Inverse RL
Während Verhaltensklonung und DAgger praktische Roboter IL dominieren, verdienen mehrere andere Methoden für spezifische Szenarien Aufmerksamkeit.
GAIL (Generative Adversarial Nachahmungslernen). GAIL bildet einen Diskriminierenden aus, um zwischen Expertendemonstrationen und den Ausführungen der erlernten Politik zu unterscheiden, und verwendet dann die Ergebnisse des Diskriminierenden als Belohnungssignal für das Verstärkungslernen. Das Ergebnis ist eine Politik, die der Verteilung des Experten nach staatlichen Maßnahmen anstelle einzelner Aktionen entspricht, was eine bessere Verallgemeinerung als BC bietet, wenn der Demonstrationsdatensatz klein ist (unter 50 Episoden). Praktische Anwendungsfälle: Aufgaben, bei denen man nur wenige Demonstrationen (10-20) hat, aber Zugang zu einem guten Simulator hat (z. B. Anschlag, bei dem MuJoCo die Physik genau modelliert).
IBC (implicit behavioral cloning). IBC repräsentiert die Politik als ein energiebasiertes Modell (EBM) und nicht als expliziter Aktionsvorhersager. Anstatt eine einzelne Aktion auszuführen, zugeordnet das Modell jedem Kandidatenpaar (Beobachtung, Aktion) einen Energiepunkt. Bei der Abschlussfolgerung findet die Politik die Aktion, die Energie durch gradientbasierte Optimierung oder Langevin Dynamik-Sampling minimiert. Der Vorteil: IBC verarbeitet natürlich multimodal-Aktionsverteilungen ohne die architektonische Komplexität von Diffusionsmodellen oder CVAEs. Der Nachteil: Die Ableitung ist langsam (100-500 ms pro Schritt auf einem RTX 3090) weil sie bei jedem Zeitschritt iterative Optimierung erfordert. Die IBC hat starke Ergebnisse bei präzisen, kontaktreichen Aufgaben (Einsetzen, Einbau) gezeigt, bei denen die Aktionsverteilung scharfe, gut getrennte Modi hat.
**Rückgängigkeits-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations-Relations- Die praktische Barriere: IRL erfordert wiederholtes RL-Training in einer inneren Schleife, die berechnungsmäßig teuer ist und entweder einen Simulator oder eine umfangreiche reale Interaktion erfordert. IRL ist am praktischsten für autonome Fahr- und Navigations Aufgaben, bei denen die Simulation reif ist und die Belohnungsspezifikation wirklich schwierig ist. Für die Manipulation reicht BC mit modernen Architekturen typischerweise aus.
Rahmen für die Analyse von Misserfolgen für die IL-Politik
Wenn eine ausgebildete Politik auf dem echten Roboter versagt, spart eine systematische Fehleranalyse Tage an Versuchs- und Fehlerdebugging.
Schritt 1: Klassifizieren Sie den Ausfallmodus. Schauen Sie sich 10+ Ausfallepisoden an und kategorisieren Sie jede in einen dieser Typen:
- Anschlag: Der Roboter bewegt sich nicht richtig in Richtung des Objekts (fehlbare Richtung, zu schnell/langsam, kurz hält).
- Grasp-Unfähigkeit: Der Roboter erreicht das Objekt, aber er kann es nicht erfassen (unzureichende Kraft, falscher Winkel).
- Transportfehler: Der Roboter greift erfolgreich an, lässt aber während des Transports das Objekt fallen (Griffspannen, Kollision mit Hindernissen).
- Stufversagen: Der Roboter transportiert erfolgreich, versagt aber beim letzten Aufbau (unrichtige Orientierung, Positionüberschuss).
- Erholungsversagen: Der Roboter geht in einen außerhalb der Bahn (z.B. nach einer teilweisen Greifung) und kann sich nicht wiederherstellen.
Schritt 2: Überprüfen Sie nach Kalibrierung und Hardwareproblemen. Bevor Sie die Politik verantwortlich machen, überprüfen Sie, ob die Kameras in ihren Kalibrierungspositionen sind (mit einer Regel gegen Referenzzeichen maßen), die Gelenkcodeure nicht abweichen (befehlen Sie den Arm in eine bekannte Pose und überprüfen Sie visuell), und der Griff ist der erwarteten Breite nahe. Hardwareprobleme, die sich als politische Fehler maskieren, sind eine häufige Quelle für verschwendete Debug-Zeit.
Schritt 3: Vergleiche Fehlerbeobachtungen mit der Trainingsverteilung. Entferne den Kamerarahmen zum Zeitpunkt des Ausfalls und vergleiche ihn visuell mit den Trainingsdaten. Ist das Objekt in einer Position, die die Politik nie gesehen hat? Ist die Beleuchtung drastisch anders? Gibt es ein abschließendes Objekt, das während des Trainings nicht vorhanden ist?
Schritt 4: Überprüfen Sie die Modusdurchschnittlichkeit. Wenn sich der Roboter zu einem Punkt zwischen zwei gültigen Zielen bewegt (z.B. zwischen zwei Objekten, wenn er eines auswählen sollte), wird die Politik über Modus in den Demonstrationsdaten durchschnittlich.
Schritt 5: Plot-per-Timestep-Aktionsfehler. Wenn die Politik gut beginnt, sich aber nach 20-40 Schritten verschlechtert, ist der Komponiebfehler das primäre Problem.
Python-Training-Snippet: ACT mit LeRobot
Hier ist ein minimales Arbeitsschreibschreiben für ACT mit dem Hugging Face LeRobot-Framework, das mit den wichtigsten Konfigurationsentscheidungen annotert wird.
# train_act.py -- Minimal ACT training with LeRobot
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
from lerobot.common.policies.act.modeling_act import ACTPolicy
from lerobot.common.policies.act.configuration_act import ACTConfig
import torch
# 1. Load dataset (HDF5 format, collected via LeRobot record)
dataset = LeRobotDataset("svrc/openarm-pick-place-v1")
print(f"Episodes: {dataset.num_episodes}, Steps: {len(dataset)}")
# 2. Configure ACT policy
config = ACTConfig(
chunk_size=100, # Predict 100 future actions per step
kl_weight=10.0, # CVAE KL divergence weight; sweep [1, 5, 10, 50]
dim_model=512, # Transformer hidden dimension
n_heads=8, # Multi-head attention heads
n_encoder_layers=4, # Visual encoder depth
n_decoder_layers=7, # Action decoder depth
input_shapes={
"observation.images.top": [3, 480, 640],
"observation.state": [14], # 7 joints x 2 arms (bimanual)
},
output_shapes={
"action": [14], # Joint position targets
},
)
# 3. Train
policy = ACTConfig(config)
optimizer = torch.optim.AdamW(policy.parameters(), lr=1e-5, weight_decay=1e-4)
for epoch in range(2000):
for batch in torch.utils.data.DataLoader(dataset, batch_size=8, shuffle=True):
loss = policy.forward(batch) # Returns dict with "loss" key
loss["loss"].backward()
optimizer.step()
optimizer.zero_grad()
if epoch % 100 == 0:
print(f"Epoch {epoch}: loss={loss['loss'].item():.4f}")
# 4. Export for deployment
policy.save_pretrained("checkpoints/act-pick-place-v1")
Dieses Skript geht davon aus, dass Sie Daten mit dem LeRobot-Befehl
Gemeinsame Datenqualitätsprobleme und -lösungen
| Symptom | Likely Cause | Fix |
|---|---|---|
| Policy jerky, oscillates near grasp | Inconsistent operator technique across demos | Use single operator; filter demos by trajectory smoothness |
| High train loss, low success | Misaligned camera timestamps (>50ms offset) | Re-record with hardware sync; check USB bandwidth |
| Overfit: 95% train, 30% eval | Insufficient pose/lighting diversity | Add color jitter + random crop augmentation; collect 50+ demos with varied object positions |
| Policy ignores one camera | Redundant viewpoints; model shortcuts to easier camera | Random camera dropout during training (p=0.1-0.3) |
| Greifer never closes / always closed | Greifer action normalization error | Verify gripper action range matches hardware limits; check open/close polarity |
| Works day 1, fails day 2 | Camera or arm bumped; lighting changed | Add daily calibration check to deployment routine; mount cameras rigidly |
Erfolgsmesswerte für Aufgaben: Messung der Qualität der Politik
Die Qualität einer ausgebildeten Politik sollte durch ein strukturiertes Bewertungsprotokoll und nicht durch informelle Beobachtungen gemessen werden.
- Task-Erfolgsrate. Die primäre Metrik: Welcher Anteil der Bewertungsversuche führt die Politik zur vollständigen Erreichung der Aufgabe?
- Teilvollendungsrate. Bei mehrstufigen Aufgaben verfolgen Sie, welche Unteraufgaben auch dann abgeschlossen sind, wenn die komplette Aufgabe fehlschlägt.
- Verteilung und Verteilungsergebnisse. Erfolgshäufigkeit für während des Trainings beobachtete und während des Trainings nicht beobachtete Bedingungen (ausgehaltenen Objekte, Positionen oder Umgebungen) ist immer separat zu melden. Siehe unseren [Politik-Gehinderung] (
T10 ) für die Bewertungsprotokolle. - Trajektorie quality metrics. Außer binärer Erfolg/Niederlage: Durchschnittsschlag (Glistenheit), Weglängeeffizienz (eigene Weglänge vs. kürzester möglicher Weg) und Ausführungszeit im Vergleich zu Expertendemonstrationen.
Trainingskontroll: Validierungsschuldverlust
Beim Ausbildungsprogramm überwachen Sie diese Signale, um Probleme frühzeitig zu diagnostizieren:
Validationsverlustplateau. Wenn der Validierungsverlust aufhört zu sinken, während der Trainingverlust weiter sinkt, sind Sie zu übermäßig in Ihrem Trainingssatz.
Validationsverlust-Schwingung. Große Schwankungen des Validierungsverlusts zeigen eine instabile Trainingskonfiguration. Verringern Sie die Lernrate um 2 bis 5x. Überprüfen Sie auch, ob die Schallschemavarianz nicht zu aggressiv ist.
KL-Divergenz-Kollaps (nur ACT). Wenn der KL-Begriff im ACT-Verlust zu Beginn des Trainings auf Null geht, ist der CVAE-Latenraum eingestürzt und die Politik ignoriert die latente Variable.
Aktionsvorhersagefehler nach Zeitstufe. Plot pro Zeitstufe Vorhersagefehler über den Aktionsstück. Wenn der Fehler in späteren Zeitstufen (z.B. Schritt 60+ in einem 100-Schritt-Stück) stark zunimmt, reduzieren Sie die Stücklänge. Wenn der Fehler gleichmäßig hoch ist, kann die Modellkapazität unzureichend sein - erhöhen Sie die verborgene Dimension des Transformators oder die Anzahl der Aufmerksamkeitsköpfe.
Die Anwendung von Inferenz: vom ausgebildeten Modell zum echten Roboter
Die Einführung einer ausgebildeten IL-Politik für echte Hardware stellt praktische Herausforderungen dar, die in den Trainingspipelines nicht aufgedeckt werden:
Kamera Kalibrierung Drift. Wenn die Kamera zwischen der Erhebung von Trainingsdaten und dem Einsatz gestürzt oder neu montiert wird, kann auch eine 2-3 cm lange Verschiebung die Politikleistung um 10-20% schlechter machen. Überprüfen Sie immer die Kamerapositionen vor dem Einsatz mit einem Kalibrierungsverfahren.
Kontrolfrequenz-Matching. Die Politik muss bei derselben Kontrollfrequenz laufen, wie die Demonstrationen erhoben wurden. Wenn die Demonstrationen bei 50 Hz erhoben wurden, aber Ihre Ableitungsleitung bei 20 Hz läuft (weil die GPU nicht mitmachen kann), werden die Aktionsvorhersagen der Politik temporär falsch ausgerichtet. Entweder nehmen Sie Ihre Trainingsdaten nach unten, um die Ausstellungssteuerungsfrequenz zu entsprechen, oder stellen Sie sicher, dass Ihre Ableitungshardware schnell genug ist. ACT auf einem RTX 3090 erreicht mit einer einzigen Kamera etwa 20 Hz; fügen Sie eine zweite Kamera hinzu und der Durchsatz fällt auf etwa 15 Hz.
Action-Glickung und Sicherheitsgrenzen. Die Roh-Politik-Ausgänge sollten vor dem Versenden zum Roboter durch eine Sicherheitsschicht gefiltert werden: Klemmen an die Gelenkgrenzen, Geschwindigkeitsgrenzen (typischerweise 1,0-1,5 Rad/s pro Gelenk) anwenden und einen Low-Pass-Filter (5-10 Hz-Cut-off) verwenden, um Hochfrequenz-Prognition-Läusch zu entfernen. Dies ergänzt 1-2 Frames Latenz, verhindert aber die Hardware-Schäden, die unfilterte Richtlinien-Ausgänge verursachen können.
Datenanforderungen für das Nachahmen
Die minimale praktikable Datensammlung für eine einzige Manipulations-Aufgabe ist typischerweise 50 Demonstrationen für ACT, 100-200 für Diffusion Policy und 20-50 für VLA-Feinabstimmung. Die Real-Welt-Entwicklung erfordert 3-5x mehr Daten, um die Variation deines Systems in der Produktion zu decken.
Die Datenqualität ist ebenso wichtig wie die Menge. Demonstrationen sollten von qualifizierten Betreibern gesammelt werden, die die Aufgabe konsequent und sauber erfüllen. Fehlende Versuche, Zögerungen und Korrekturen, die als Erfolge bezeichnet werden, werden die politische Leistung schwächen. RCSVs [Managed Data Collection Service] (T12
Die Sensorvielfalt ist auch wichtig. Politiken, die auf einer einzigen Handgelenkkamera ausgebildet sind, scheitern häufig, wenn diese Kamera verstopft ist. Die beste Praxis ist es, aus mindestens zwei Kamera-Sichtpunkten - einer festen Ober- oder Seitenansicht und einer Handgelenk-montierten - zu sammeln und den proprioceptive Zustand (gelenkige Winkel und Geschwindigkeiten) neben visuellen Beobachtungen zu enthalten.
Hardware und Infrastruktur für IL-Forschung
Der minimale Hardware-Stack für ein Imitationslern-Forschungsprojekt umfasst: einen Roboterarm mit ausreichendem Freiheitsgrad für Ihre Aufgabe (mindestens 6 DOF für die allgemeine Manipulation), ein Leader-Follow- oder VR-basiertes Teleoperationssystem für die Datenerhebung, zwei oder mehr Kameras und eine Arbeitsstation mit mindestens einem NVIDIA-GPU (RTX 3090 oder besser für ACT/Diffusion Policy; A100 oder H100 für VLA-Feinabstimmung empfohlen).
RCSVs Hardware-Katalog enthält den OpenArm 1 ($4.500), der mit einem kompatiblen Teleoperationsführerarm und Montage-Hardware für Standardkamera-Konfigurationen versendet wird. Für die zweimanuelle Forschung bietet die DK1-Plattform eine doppelte Arme-Teleoperation mit synchronisierter Aufzeichnung. Die RCSV-Plattform bietet die Software-Schicht: Episodenaufzeichnung, Datensatzmanagement, Politik-Schulung Pipelines und Bewertungstools. Teams können Hardware für kurzfristige Projekte durch das [Roboterleasing-Programm] (
Für Teams, die mit Daten beginnen wollen, bevor sie in Hardware investieren, bietet RCSV Zugang zu kuratierten Multi-Task-Demonstrationsdaten-Sets, die in unserer Anlage in San Francisco gesammelt wurden. Diese Datensätze umfassen gemeinsame Manipulationsprimitiken - Sammeln, Platzieren, Gießen, Falten, Montieren - und sind für die direkte Verwendung mit ACT, Diffusion Policy und Hugging Face [LeRobot]formatert. [Kontaktieren Sie unser Team] [T18
Algorithmenvergleichstabelle: Welche IL-Methode für welches Szenario
| Method | Min Demos | Multimodal? | Inference Speed | GPU Required | Best For |
|---|---|---|---|---|---|
| BC (MLP/ResNet) | 50 | No | ~1ms | RTX 3060+ | Simple short-horizon tasks, proprioception-only |
| ACT | 50 | Yes (CVAE) | ~50ms | RTX 3090+ | Bimanual, long-horizon, ALOHA-class hardware |
| Diffusion Policy | 200 | Yes (diffusion) | ~200ms (DDIM) | RTX 3090+ | Multi-strategy tasks, diverse demonstrations |
| VLA (OpenVLA) | 20 | Yes (language) | ~300ms | A100/H100 | Novel object generalization, language-conditioned tasks |
| GAIL | 10 | N/A (RL-based) | ~1ms | A100 (training) | Few demos + good sim (e.g., peg insertion in MuJoCo) |
| IBC | 100 | Yes (EBM) | ~200ms | RTX 3090+ | Contact-rich precision tasks with sharp modes |
Die Entscheidungsträger-Flow-Chart für die meisten Teams: Beginnen Sie mit ACT, wenn Sie zweimanschaltbare Hardware oder langzeitige Aufgaben mit weniger als 200 Demo's haben. Verwenden Sie Diffusion Policy, wenn Sie 200+ Demo's haben und Ihre Aufgabe mehrere gültige Strategien hat. Verwenden Sie VLA-Fein-Tuning, wenn Sie Sprachkonditionierung oder eine neue Objektgeneralisierung mit minimalen Aufgaben-spezifischen Daten benötigen. BC ist nur für die einfachsten, kürzesten Aufgaben oder als Diagnosegangspunkt geeignet.
Mehrfach-IL: Ausbildung einer Politik für mehrere Aufgaben
Die Ausbildung einer einzigen Politik zur Bewältigung mehrerer Manipulationsarbeiten (Pick-Place, Schublade öffnen, gießen usw.) ist bei modernen Architekturen immer praktischer.
Sprachkonditionierung ist für mehrfachtätige Aufgaben unerlässlich. Ohne Sprachanweisungen kann die Politik nicht wissen, welche Aufgabe ausgeführt werden soll. Sprachkonditionierte Richtlinien akzeptieren Anweisungen wie "die rote Tasse hochziehen" oder "die obere Schublade öffnen" und das Verhalten des Routes entsprechend. ACT und Diffusion Policy unterstützen beide Sprachkonditionierung durch zusätzliche Encoder-Heads.
Daten-Balancing zwischen Aufgaben. Wenn Sie 500 Demo-Pick-Place-Demonstrationen sammeln, aber nur 50 von dem, was Sie ausgießen, wird die Politik das Pick-Place-Verhalten stark fördern.
Multi-Task-Benefits für die Verallgemeinerung. Gegensätzlich zu der Vorstellung, dass das Training auf 5 Aufgaben mit 100 Demos je eine bessere Performance pro Aufgabe erzeugt als das Training auf 1 Aufgabe mit 100 Demos. Das Multi-Task-Training wirkt als implizite Regulierung, die den visuellen Encoder dazu zwingt, Features zu lernen, die für die einzelnen Aufgaben relevant sind, anstatt sich spezifische visuelle Abkürzungen zu merken. Die [Open X-Embodiment-Ergebnisse]
Erwartete Overhead. Mehrfach-Task-Training erfordert 2-5x mehr Rechenleistung als Einzel-Task-Training (mehr Daten, größere Batchgrößen für Stabilität). Die Inferenzgeschwindigkeit ist unverändert.
Hyperparameterempfindlichkeit: Was wirklich zählt
Die Experten für IL verbringen zu viel Zeit damit, Hyperparameter zu tun, die nicht wichtig sind, und zu wenig mit denen, die es tun.
| Hyperparameter | Sensitivity | Recommended Default | When to Tune |
|---|---|---|---|
| Action chunk size (ACT) | Very High | 100 steps | Reduce to 20-50 for reactive tasks; increase to 150-200 for slow, smooth tasks |
| KL weight (ACT) | High | 10.0 | Increase (50-100) if multimodal demos; decrease (1-5) if all demos use same strategy |
| Noise schedule (Diffusion) | High | Cosine schedule, 100 diffusion steps | Reduce diffusion steps to 10-20 with DDIM for faster inference |
| Learning rate | Medium | 1e-5 (ACT), 3e-4 (Diffusion) | If training diverges, reduce 5x; if too slow, increase 2x |
| Batch size | Low | 8 (single GPU) | Increase to 16-32 if GPU memory allows for more stable training |
| Number of epochs | Low | 2000 | Use early stopping on validation loss; 2000 is typically sufficient for 200 demos |
| Image resolution | Low | 224x224 or 480x640 | Only increase if task requires fine visual detail (text reading, small object ID) |
** Interaktionswirkungen:** Handlungstückgröße und KL-Gewicht interagieren stark in ACT. Eine große Stückgröße (150+) mit geringem KL-Gewicht (<5) erzeugt zu glatte, durchschnittliche Bahnen, die präzise Bewegungen verpassen. Eine große Stückgröße mit hohem KL-Gewicht (50+) erzeugt scharfe, abgeschiedene Handlungsmodi, können aber zwischen den Modi zwischen der Aufgabe schwanken. Das Standardpaar (chunk=100, KL=10) funktioniert für die meisten Aufgaben. Sie müssen nur gemeinsam abgestimmt werden: Wenn Sie die Größe des Stückes erhöhen, erhöhen Sie das KL-Gewicht proportional, um die Aktionsvielfalt innerhalb jedes Stückes zu erhalten.
Die praktische Implikation: Wenn Ihre Politik unterdurchschnittlich gut funktioniert, tun Sie zunächst die Größe des Aktionsteils und das KL-Gewicht (ACT) oder den Lärmplan (Difusion Policy) an. Diese haben 10-20% Einfluss auf die Erfolgsrate.
DAgger und HG-DAgger: Wenn BC nicht genug ist
Verhaltensklonung leidet unter einem Verbundfehler: Kleine Vorhersagefehler akkumulieren sich im Laufe der Zeit, weil die Politiker feststellen, dass sie nie ausgebildet wurde (die Fehler der Politik schieben sie von der von dem Experten gezeigten Bahn ab).
Standardprotokoll von DAgger:
- Trainieren Sie eine erste BC-Richtlinie auf Ihrem Demonstrationsdatensatz.
- Die Politik wird selbständig durchgeführt, und der menschliche Experte beobachtet und erfasst, welche Maßnahmen er in jedem Zeitschritt ergriffen hätte (die Politik wird mit Expertenmaßnahmen neu gekennzeichnet).
- Fügen Sie die neu bezeichneten Strecken zum Trainingsset hinzu und umschalten.
- Wiederholen Sie 3-5 Iterationen, bis die Politik mit der des Experten übereinstimmt.
HG-DAgger (Human-Gated DAgger) ist die praktische Variante für das echte Roboterlernen. Statt dass der Experte jeden Zeitschritt neu kennzeichnet, beobachtet der Mensch die Ausführung der Richtlinie und greift nur ein, wenn die Richtlinie kurz vor dem Scheitern steht. Das ist 3-5 mal schneller als Standard-DAgger, weil der Experte nur in kritischen Ausfallzuständen agiert.
Erwartete Auswirkungen: HG-DAgger mit 3 Korrekturrunden (jeweils mit 20-50 Korrekturbahnen) verbessert in der Regel die Erfolgsquote der langen Horizontsaufgaben um 15-25% gegenüber reinem BC, wobei die größten Verbesserungen in den spezifischen Fehlerzuständen durch Korrekturen ausgerichtet werden.
Zeitliche Zusammenstellung und Aktionsschnitte: Durchführungsdetails
Zwei Techniken sind entscheidend für die Verringerung des Verbundfehlers, der die BC-Leistung einschränkt: Action Chunking (vorhersagen mehrere zukünftige Aktionen auf einmal) und Temporal Ensembling (durchschnittliche Überlappungs-Aktionsvorhersagen).
Action Chunking prognostiziert die nächsten K-Aktionen (K-Teilgröße) von jeder Beobachtung. Der Roboter führt alle K-Aktionen durch, bevor er die Politik erneut anfragt. Dies reduziert die Anzahl der Policy-Abfragen pro Episode von T (Episodenlänge) auf T/K, was bedeutet, dass die Politik K-Mehrheiten hat, Fehler zu machen, die zusammengefügt sind. Typische Stückgrößen: K=50-100 für ACT (die 1-2 Sekunden zukünftiger Aktionen bei 50 Hz vorhersehen). Größere Stück produzieren glattere Bewegung, reagieren aber langsamer auf unerwartete Ereignisse; kleinere Stück sind reaktionsfähiger, aber anfälliger für Kompositionsfehler.
Temporal Ensembling vermittelt die Durchschnittsvorhersagen aus mehreren überlappenden Stückchen. In der Zeitstufe t hat die Politik Vorhersagen für diesen Zeitstufe aus dem aktuellen Stück und aus früheren überlappenden Stücken gemacht. Der exponentiell gewichtete Durchschnitt dieser Vorhersagen erzeugt eine glattere, konsistentere Flugbahn. Das zeitliche Zusammenstellungsgewicht (w=0,01 in der Standardkonfiguration von ACT) kontrolliert, wie viel Gewicht jüngste Vorhersagen im Vergleich zu älteren erhalten.
Wahlgröße: Die optimale Teilgröße hängt von der zeitlichen Struktur der Aufgabe ab. Für Aufgaben mit verschiedenen Phasen (Anschließung, Greifen, Heben, Platzierung) sollte die Teilgröße lang genug sein, um mindestens eine vollständige Phase zu decken - typischerweise 50-100 Schritte bei 50 Hz (1-2 Sekunden). Bei reaktiven Aufgaben, bei denen die Politik innerhalb von 200 ms auf Umweltschutzänderungen (dynamische Aufnahme, gewaltsgesteuerte Einfügung) reagieren muss, reduzieren Sie die Stückgröße auf 10-20 Schritte.
** Kritische Implementierungsdetails:** Die zeitliche Zusammenstellung muss angewendet werden, bevor_die Aktionen an den Roboter gesendet werden, nicht nach. Die korrekte Implementierung hält einen Puffer von ausstehenden vorausgesagten Aktionen aus allen aktiven Stücken und berechnet den gewichteten Durchschnitt bei jedem Zeitschritt, bevor der Roboter befehligt wird.
Die Datenverwertungsanbieter von RCSV sind sowohl in Standardteleoperation als auch in HG-DAgger-Korrekturprotokollen ausgebildet. Für Teams, die bereits eine Politik ausgebildet haben und sie durch gezielte Korrekturen verbessern möchten, anstatt völlig neue Demonstrationen zu sammeln, ist die Datenerhebung von HG-DAgger im Rahmen unserer [Datendienste] (
Mehrfach-Aufgaben-Simulationen: Architektur und Datenüberlegungen
Die Ausbildung einer einzigen Politik zur Erfüllung mehrerer Aufgaben ist probierenfähiger als die Ausbildung von separaten Politiken, erfordert jedoch spezifische Architektur- und Datenentwurfsmöglichkeiten.
Konditionierung der Aufgaben. Die Politik muss wissen, welche Aufgabe sie ausführen soll.
- Sprachkonditionierung: Eine natürliche Spracheinstruktion ("die rote Tasse aufnehmen") als Eingabe zur Politik zur Verfügung stellen. Die Anweisung wird durch ein gefrorenes Sprachmodell (CLIP-Text-Encoder oder Satz-BERT) und mit visuellen Merkmalen gekettet kodiert. Dies ist der flexibelste Ansatz: Die Politik kann sich auf neue Sprachanweisungen verallgemeinern, die bekannte Konzepte kombinieren. Erfordert Sprachanmerkungen in den Schulungsdaten.
- Task ID-Einbetten: Zu jeder Aufgabe einen lernbaren Einbettenvektor zuweisen. Einfacher als Sprachkonditionierung und funktioniert, wenn der Aufgabensatz fixiert ist. Generalisiert sich nicht auf neue Aufgaben ohne Umschulung.
- Zielbildkonditionierung: Ein zusätzliches Eingangsmaterial für das gewünschte Zielzustand. Die Politik lernt, aktuelle Beobachtungen mit dem Ziel zu verknüpfen.
Datenbilanz zwischen Aufgaben. Wenn Aufgabe A 500 Demonstrationen und Aufgabe B 50 hat, wird die Politik stark gegenüber Aufgabe A voreingenommen. Bei schwerem Ungleichgewicht (10x+) sammeln Sie für die unterrepräsentierte Aufgabe mehr Daten - Probenahme-Tricks können die fehlende Vielfalt nicht vollständig kompensieren.
Häufige Schwierigkeiten und Lösungen
| Symptom | Likely Cause | Diagnostic | Fix |
|---|---|---|---|
| Robot moves to average of two positions | Mode averaging from MSE loss | Check if demos have multimodal actions for same observation | Switch to Diffusion Policy or increase ACT KL weight |
| Low validation loss but low success rate | Compounding error (policy drifts off-distribution) | Plot per-step error over rollout; look for divergence after step 20-30 | Increase chunk size, add temporal ensembling, or collect DAgger data |
| Training loss plateaus at high value | Noisy or inconsistent demonstrations | Visualize 20 random demos; check for strategy inconsistency | Filter demos by smoothness; retrain on clean subset |
| Robot overshoots targets consistently | Action space mismatch (delta vs absolute) | Check if demo actions are delta-position or absolute-position | Ensure training and inference use identical action representation |
| Works on one camera but not another | Camera extrinsics changed between collection and deployment | Compare camera mount position to training-time calibration | Recalibrate camera to match training position; or add camera pose to observation |
| Policy freezes mid-task | Observation out of training distribution | Log the observation embedding distance from training mean | Collect more demos in the OOD region; or add data augmentation |
Debugging Workflow: Wenn eine ausgebildete Politik beim echten Roboter fehlschlägt, folgen Sie dieser Diagnose-Sequenz, bevor Sie feststellen, dass das Modell schlecht ist oder die Daten nicht ausreichen:
- Überprüfen Sie, ob die Statistiken zur Normalisierung der Aktion zwischen der Ausbildungskonfiguration und der Einsatzkonfiguration übereinstimmen.
- Die Position der Kamera ist seit der Datenerhebung nicht bewegt (Vergleiche visuelle Überlagerung mit einem Referenzbild).
- Führen Sie die Politik für eine voruntergezeichnete Bewertungsabschluss in "Wiedergabe-Modus" aus, um zu überprüfen, ob die Aktionsergebnisse den erwarteten Werten entsprechen.
- Visualisieren Sie die Aufmerksamkeitskarten der Politik oder die Zwischenaktivierungen auf der aktuellen Beobachtung - wenn die Aufmerksamkeit auf dem Hintergrund statt auf Aufgabenrelevanten Objekten liegt, kann der visuelle Eingang beschädigt oder falsch ausgerichtet sein.
- Wenn alle oben genannten Ergebnisse passieren, ist das Problem wahrscheinlich die Datenqualität oder -menge.
Diese Sequenz löst 80% der Fehler beim Einsatz von echten Robotern innerhalb von 1-2 Stunden und vermeidet eine vorzeitige Datenerhebung.
Die häufigste Fallstätte für Anfänger ist die Abweichung des Aktionsraums: Die Politik wird auf Delta-Positionsaktionen (bewegen Sie sich 5 mm nach rechts) ausgebildet, wird aber im Absolute-Positionsmodus (gehen Sie zu x = 0,35) oder umgekehrt eingesetzt. Dies führt zu einem dramatischen Fehler (Overhooting oder kaum Bewegung), der wie ein kaputtes Modell aussieht, aber tatsächlich ein Konfigurationsfehler ist. Überprüfen Sie immer die Aktionsraumkonventionen, bevor Sie das Modell debuggen.
Schnellstart-Checkliste für Ihr erstes IL-Projekt
- Vor Beginn der Arbeit legen Sie klare Erfolgskriterien fest. Bevor Sie Daten sammeln, definieren Sie, was "Erfolg" für Ihre Aufgabe in messbaren Worten bedeutet. Für die Abholung: "das Objekt ist innerhalb von 2 cm von der Zielposition und stabil (nicht rollend/fallend) für 1 Sekunde nach dem Freisetzen". Für die Einfügung: "Pig ist vollständig eingesetzt (innerhalb von 1 mm von der Zieltiefe) ohne eine Kraft von mehr als 30 N. "Die zweideutigen Erfolgskriterien führen zu inkonsistenten Demonstrationsetiketten und schwächen die politische Ausbildung. Schreiben Sie die Erfolgskriterien in einem gemeinsamen Dokument auf, auf das alle Betreiber und Anmerker verweisen.
- Wir wählen unsere Aufgabe. Beginnen wir mit einer Einarmband-Objekt-Pick-and-Place-Tasche.
- Setzen Sie Hardware ein. Montieren Sie Ihren Arm, kalibrieren Sie die Kameras (innerlich + äußerlich) und überprüfen Sie die Teleoperationssteuerungsarbeiten von Ende zu Ende, bevor Sie Daten sammeln.
- Erfassen Sie 50 Demonstrationen. Verwenden Sie eine einheitliche Aufgabenkonfiguration. Verwerfen Sie gescheiterte Versuche. Dieser erste Datensatz dient zur Validierung Ihrer Trainingsleitung, nicht einer bereitstellbaren Politik.
- Train ACT. Verwenden Sie das LeRobot Trainings Skript mit Standard-Hyperparametern. Überwachen Sie den Validierungsverlust für 100 Epochen.
- Evaluieren. 20 Versuche mit Objekten in Trainingspositionen auf dem echten Roboter durchführen. Ziel: 60%+ Erfolgsrate. Wenn unter 40%, debug die Datenqualität, bevor mehr gesammelt wird.
- Verfügen Sie Vielfalt. Sammeln Sie 100 bis 200 weitere Demonstrationen mit unterschiedlichen Objektenpositionen, 2-3 Objekteninstances und geringfügigen Lichtänderungen.
- Iterate. Identifizieren Sie die Fehlermodi durch strukturierte Bewertung. Sammeln Sie gezielte Daten, die diese Modi ansprechen. Wiederholen Sie bis zur Bereitstellung (85%+ Erfolg unter repräsentativen Bedingungen).
Verwandte Lesungen
Akt gegen Diffusion Policy Decision Guide · VLA Modelle erklärt · Politik Generalisierung Guide · LeRobot Starting · Kosten pro Demonstrationsanalyse · Skalierungsgesetze für Roboter Lernen · Datendienste
Beginnen Sie mit dem Lehrprojekt, das Sie nach Nachahmung leisten
RCSV bietet den vollen Stapel: OpenArm 1 Hardware ($4,500), Managed Data Collection ($2,500 Pilot) und Plattform Tools für das Datensatzmanagement und die Politikbildung. Ob Sie 50 Demonstrationen für einen Prototyp oder 2.000 für die Produktion benötigen, unsere Anlage in San Francisco und ausgebildete Betreiber können Sie schneller zu einer funktionierenden Politik bringen als die Infrastruktur im eigenen Haus zu bauen.
[Kontaktieren Sie uns, um zu beginnen]