OpenArm: Una plataforma robótica centrada en datos para manipulación basada en aprendizaje

OpenArm está diseñado no solo como una plataforma de manipulación robótica, sino como un sistema nativo de datos para robótica basada en aprendizaje. A diferencia de los brazos robóticos tradicionales optimizados para la automatización industrial determinista, OpenArm está arquitectado en torno a los requisitos del aprendizaje por imitación, el aprendizaje por refuerzo, la transferencia de simulación a realidad y la recolección de datos en el mundo real a gran escala.

Posicionamiento del sistema

El sistema trata los datos como una salida de primera clase, junto con la ejecución de tareas físicas. La robótica basada en aprendizaje impone requisitos fundamentalmente diferentes: ejecución repetida bajo diversas condiciones, interacción segura durante la exploración y el fallo, detección y control sincronizados de alta frecuencia, trayectorias reproducibles y un acoplamiento estrecho entre la simulación y la ejecución en el mundo real.

Diseño de hardware para la calidad de los datos

La estructura antropomórfica de 8-DOF permite redundancia similar a la humana para el aprendizaje por imitación, mapeo natural de las demostraciones humanas a las acciones del robot y reducción de la complejidad de la política. La actuación a nivel de articulación prioriza la conformidad y la capacidad de retroceso, lo cual es crítico para demostraciones seguras con humanos en el bucle y tareas de manipulación ricas en contacto.

Arquitectura de captura de datos

OpenArm soporta la captura sincronizada de estados de articulaciones, comandos de control, estados de efectores finales y sensores externos (visión, táctil, fuerza, IMU). Todos los flujos de datos están marcados con timestamp y alineados a nivel del bucle de control. Los datos se organizan en episodios con una clara inicialización de tareas, ejecución de acciones, eventos de contacto y terminación, mapeándose directamente a los despliegues de RL y trayectorias de aprendizaje por imitación.

Fallo como Datos

OpenArm está diseñado para registrar de manera segura los intentos fallidos, no solo los éxitos. Las trayectorias de fallo—deslizamiento, agarre incorrecto, colisión, intentos de recuperación—son datos de primera clase críticos para el aprendizaje robusto de políticas y la generalización.

Alineación de Simulación a Real

Los modelos calibrados en MuJoCo e Isaac Sim reflejan la cinemática, dinámica y límites de actuación. Los datos de simulación y del mundo real comparten definiciones de estado idénticas y espacios de acción consistentes, lo que permite el entrenamiento en dominios mixtos y la validación cruzada.