Recolección de Datos

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.

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.

Salida lista para aprender

Grabación estructurada, conjuntos de datos de aprendizaje por imitación, demostraciones humanas repetibles, alineación sim-a-real. Organización basada en episodios con metadatos por episodio, observaciones multimodales indexadas por tiempo y espacios de acción consistentes.