OpenArm 101: 開梱から最初にトレーニングされたポリシーまで
ゼロから OpenArm 上で実際の模倣学習ポリシーを実行するまでの、構造化された一連のパス。 ロボット工学の経験は必要ありません。Linux の基本と Python のみが必要です。
始める前に - これらの前提条件を確認してください
- Linux ターミナルで快適 (cd、ls、pip install)
- Python 3.10以降がインストールされていること
- OpenArm 101 へのアクセス または シミュレーション環境
- Ubuntu 22.04 または 24.04 を実行しているマシン (VM は問題ありません)
- 複数のセッションの合計時間は約 12 時間
資格があるかどうかわかりませんか? から始める ユニット0 — この質問に答えるために特別に存在します。
一目でわかるあなたの道
ユニットを順番に完了してください。 各単元には明確な完了チェックがあり、それに合格するまで先に進めないでください。
始める前に: 必要なもの 必須
ハードウェア チェックリスト、ソフトウェア チェックリスト、推定時間、およびサポートの問い合わせ先。 技術的な内容はありません。単なるオリエンテーションです。
~20 分 · コードなしOpenArm を動かしてみよう 必須
Web UI を使用して、開梱、接続、SocketCAN と ROS 2 のインストール、キャリブレーション、初めてのアームの移動を行います。
～2時間SDKをインストールして接続する 必須
OpenArm Python SDK をインストールし、ライブ接続テストを実行して、最も一般的な 3 つのエラーを修正します。
～1.5時間手でアームをコントロールする 必須
遠隔操作とは何か、また遠隔操作によってトレーニング データが作成される理由を理解します。 セッションをセットアップし、連続 5 分間遠隔操作します。
～2時間最初のデータセットを記録する 必須
データの量よりも質が重要である理由を学びましょう。 LeRobot 形式で 50 件のクリーンなピック アンド プレース デモンストレーションを記録します。
～2時間最初のポリシーをトレーニングする 必須
データセットで ACT ポリシーをトレーニングします。 トレーニング曲線を理解し、いつ停止するかを把握します。 目標: 成功率 > 70%。
～3時間導入と改善 必須
実際のアームでポリシーを実行し、体系的に評価して、データ フライホイールを開始します。 目標: 自律成功率 7/10。
～1.5時間時間の内訳
| ユニット | トピック | 時間 |
|---|---|---|
| ユニット0 | 向き | ～20分 |
| ユニット 1 | ハードウェアのセットアップ | ～2時間 |
| ユニット 2 | SDKと接続 | ～1.5時間 |
| ユニット 3 | 最初の遠隔操作 | ～2時間 |
| ユニット 4 | データ収集 | ～2時間 |
| ユニット5 | 政策研修 | ～3時間 |
| ユニット6 | 導入と改善 | ～1.5時間 |
| 合計 | ～12時間20分 | |
所要時間は約20分です。 技術的な内容はありません。パスが始まる前にすべてが揃っていることを確認してください。