Paxini Gen3 チュートリアル インデックス
最初の接触データから触覚認識ロボットの学習ポリシーまで、ステップごとにガイドします。 ソフトウェアのセットアップが完了したばかりの場合は、チュートリアル 1 から始めてください。 すでに動作しているセンサー ストリームがある場合は、チュートリアル 3 または 4 に進んでください。
基本的なセンシング: ファーストコンタクトの読み取り
Paxini SDK をインストールし、USB-C 経由でセンサーを接続し、ライブ圧力データを出力する 5 行の Python スクリプトを作成します。 組み込みのヒートマップ ビジュアライザーを実行して、すべてのタクセルが機能していることを確認します。 他のチュートリアルの前にこれを完了してください。
触覚データを理解する
圧力配列の空間構造を学習し、グリッパーの接触検出しきい値を調整し、把握検出機能を実装して、経時的な接触イベントを視覚化します。 圧力、力、接触面積の違いをカバーします。
ロボットアームと触覚を同期する
Gen3 をグリッパーに取り付け、USB ケーブルをアームに沿って配線し、 MultiSourceSync 同期した（腕の状態、触覚、カメラ）フレームを記録します。 タイムスタンプの調整を確認し、10 秒間のテスト エピソードを記録します。
LeRobot 触覚データセットの記録
拡張 LeRobot データセット スキーマを使用して、触覚チャネルを使用した 50 件の掴みと配置のデモンストレーションを記録します。 品質チェックリストを適用し、スリップ イベントに自動的にフラグを立てて、データセットがポリシー トレーニングの準備ができていることを確認します。
触覚を意識したポリシーのトレーニング
追加 observation.tactile ACT または拡散ポリシーへの入力モダリティとして。 データセットから正規化統計を計算し、トレーニングを実行し、変形可能で透明なオブジェクトの視覚のみのベースラインに対して評価します。
リアルタイムの把握品質検出
センサー レート (500 Hz) で実行され、不安定な把握にリアルタイムでフラグを立てる軽量のオンライン分類器を実装します。 出力をオンライン ポリシー適応のための報酬シグナルとして使用します。
構造化された学習パスをご希望ですか?
上記のチュートリアル 1 ～ 5 は、公式版と同じ単元です。 Paxini Gen3 ラーニング パス — 完了チェック、時間の見積もり、進捗状況の追跡を備えた、順序付けられた 8 時間のカリキュラム。 触覚センシングを初めて使用する場合は、そこから始めてください。