最初のデータセットを記録する
学習経路の4号単位で データ品質が量よりも優れている理由を学び レロボットフォーマットを理解し 50回のクリーンデモを記録します ~2時間
6件中4件 · データ収集 · ~2時間
LeRobot 形式で50個の高品質のピックアンドプレイスデモを収集します 品質以上の量
数量 より データの 質 が 重要 な の は なぜ です か
ロボット学習における一般的な誤解は,より多くのデモが自動的により良いポリシーを生むというものです.これは誤りです.神経ネットワークは,データセット内の行動の _distribution_を模倣することを学んでいます. ネットワークは,実際の成功戦略に一致しない模糊な平均を学べます.
腕が同じクリーンな道を歩み,同じ場所に物体を握り,同じホームポジションに戻る50回のデモでは,500回のデモをよりよく概括するポリシーが生まれます.最初の収集セッションは,その一貫性を確立する機会です.時間を取って,間違ったように感じたデモを削除し,再録画します.
パイプライン設計の詳細については,ロボット図書館の [データ収集パイプライン概要] (
レロボットデータセットフォーマット
録音はHugging FaceのLeRobotライブラリで使用されている標準で LeRobot形式で保存され,ActとDifusion Policyのトレーナーと互換性があります.
記録されるもの
結合位置 (6 DOF + 握り),結合速度,エンドエフェクター姿勢,カメラフレーム (RGB + 選択深さ),タイムスタンプ,タスクメタデータ.
ファイル構造
番組ごとに1つのフォルダ.各エピソードには,状態/アクションマレイとカメラストリームを持つサブフォルダの
採取率
標準的に50Hz. 遠隔操作の毎秒は50時間ステップを発生させる. 10秒のピックアンドプレイスは500 (状態,アクション) ペアを発生させる.
互換性
LeRobot フォーマットは直接
録音 セッション
作業名とターゲットエピソード数で録音スクリプトを起動します.スクリプトは,エピソード管理,ファイル名付け,品質マークを自動的に処理します:
#環境を起動する 最初のソース ~/openarm-env/bin/activate # 起動録音
作業場を各エピソードで同じオブジェクトと同じスタートポジションで設定します.オブジェクトの位置を一貫性にするためにテープマークをテーブルで使用します.各エピソードが始まる前に腕は同じホームポーズに戻る必要があります.
実用的な提示: 8~15秒間のエピソードを目標にします.短すぎ (5秒未満) とポリシーにはスムーズな経路を計画する時間がない.長すぎ (20秒以上) と小変異が合わさっている.標準的なピックアンドプレイスでは,エピソード1回10秒が目標です.
データ品質チェックリスト
5 ユニットへ移動する前に,すべての5 つのチェックを完了したデータセットを確認します.
- 1 失敗した握りがない.*** 各エピソードは,対象場所に物体が成功して置かれたことで終了します.腕が握り逃したり物体を落としたエピソードは削除する必要があります.
- 2 **一貫したスタートポーズ.**腕は各エピソードでホーム位置からスタートします.データセットビューアで,タイムステップ0の関節角がすべての50エピソードで1つから2°以内に確認してください.
- 3 ** 急に跳ねたり,ジャンプしたりしない.**
T3 で3 5のランダムエピソードを視覚化する.アクションシーケンスはピークではなく,滑らかな連続曲線であるべきです. - 4 カメラフレームは明瞭で集中している. 作業場カメラが遮蔽されず,直接光によって吹き飛ばされず,そのオブジェクトが各エピソードを通してはっきり見えるかどうかを確認してください.模糊または暗いビデオはポリシーパフォーマンスを低下させます.
- 5 50 完全エピソードが保存されています.
T4 を実行して,破損したファイルがないと正確に50 回のエピソードが確認します.脚本では,フレームが欠けているエピソードまたは短縮されたアクションシーケンスをマークします.
比較のための参照データセットを閲覧する
RCSVデータセットライブラリには,品質基準として使用できる例のピックアンド・ロークレードが含まれています.データが大きく異なる場合は,トレーニング前に調査してください.
ユニット4 完成する...
[← 経路概要に戻る]