パクシニ 3代: 感知 から タクシルの 強化 ロボット 学習

操作は,触覚フィードバックを使用する訓練されたロボット操作ポリシーに移動します. ロボット腕データ収集と統合された完全な把握品質検出パイプラインを構築します.

合計時間 ~8時間

困難 中間

単位6 (+方向性)

ハードウェア 必要な パクシニ Gen3 + ロボット腕

必須条件 基本パイソン ロボット腕

** この経路を始める前に:** 基本的な Python スクリプト (デバイスからデータを読み,解析マレイ) を書き,制御できる Python SDK を搭載したロボット腕を備えて快適に過ごすべきです. ロボット研究経験は必要ありません. 一般的にロボットデータ収集に新しい場合は,まず [OpenArm学習経路]T0) を完了してください.

あなた は 何 を 築く

この道の終わりには

触覚熱地図

ストレッチ圧力の視覚化が ゲン3センサーから 500Hzで実行され 計測機が機能していることを確認します

品質検出器を把握する

ロボット操作中にリアルタイムで安定したハプと滑りやすいハプを区別するオンライン分類器

タクティルのデータセット (50 デモ)

完全レロボットフォーマットデータセット 触覚 +関節 +カメラチャンネルを同期し,品質をチェックし,訓練準備ができています

タクチル・アウアインド・ポリシーは

視覚のみベースラインに評価された触覚入力を使用する訓練されたACTまたは拡散政策モデル.

パス概要

完成単位は順番で 完成単位は コンクリートで終わります

[ 固定リンク ]

ゼロ

指導: 設定開始 さまには

ロボット学習に触覚センサーが 追加する要素 ハードウェアやソフトウェアのチェックリスト 構築するもの

~30分 · 技術的な内容なし

](T1) [

1 年間

センサーをインストールし確認する

パクシニ SDKをインストールして USB-C で Gen3 を接続し 5 行のストリーミングスクリプトを書いて,すべてのタクセルが動作していることを確認するために 熱地図を実行します.

~ 1時間

T2)

2 について

触覚データ を 理解 する

圧力マレイの空間構造を学び 接触検出の限界を校正し 把握検出論理を実装し 接触の出来事を時間とともに視覚化します

~1.5時間

T3)

3 について

ロボット腕とタクチルを同期する

センサーをグリッパーに設置し,腕に沿って USB 路線を移動し,MultiSourceSync を使用して,確認されたタイムスタンプの配列を確認した同期式腕 +触覚 +カメラフレームを記録します.

~ 2時間

T4)

4 について

触覚 演示 を 記録 する

触覚チャネルで50回の把握と場所示例を記録するために,拡張されたLeRobotデータセットフォーマットを使用します.

~ 2時間

T5)

5 について

触覚 を 意識 する 政策 を 訓練 する

ACTまたは拡散ポリシーに触覚を観察モードとして追加し,データセットを訓練し,変形可能で透明な物体での視力のみベースラインに評価します.

~1.5時間 (+訓練時間)

T6)

スタート ユニット 0 →](T7)

方向性を確認した場合は,直接 [Unit 1] (T8) にジャンプします.