Collecte de données

OpenArm est conçu non seulement comme une plateforme de manipulation robotique, mais aussi comme un système natif de données pour la robotique basée sur l'apprentissage. Contrairement aux bras robotiques traditionnels optimisés pour l'automatisation industrielle déterministe, OpenArm est conçu autour des exigences de l'apprentissage par imitation, de l'apprentissage par renforcement, du transfert de la simulation vers le réel et de la collecte de données réelles à grande échelle.

Architecture de capture de données

OpenArm prend en charge la capture synchronisée des états articulaires, des commandes de contrôle, des états des effecteurs finaux et des capteurs externes (vision, tactile, force, IMU). Tous les flux de données sont horodatés et alignés au niveau de la boucle de contrôle. Les données sont organisées en épisodes avec une initialisation claire des tâches, l'exécution des actions, les événements de contact et la fin, directement mappées aux déploiements RL et aux trajectoires d'apprentissage d'imitation.

Échec en tant que données

OpenArm est conçu pour enregistrer en toute sécurité les tentatives infructueuses, et pas seulement les réussites. Les trajectoires d’échec (dérapage, mauvaise saisie, collision, tentatives de récupération) sont des données de première classe essentielles à un apprentissage et une généralisation solides des politiques.

Résultat prêt pour l'apprentissage

Enregistrement structuré, ensembles de données d'apprentissage par imitation, démonstrations humaines répétables, alignement de la simulation au réel. Organisation basée sur les épisodes avec des métadonnées par épisode, des observations multimodales indexées dans le temps et des espaces d'action cohérents.