첫 번째 데이터 세트를 기록

6개 중 4개 부위 · 데이터 수집 · ~ 2시간

레로봇 형식으로 50개의 고품질의 픽 앤 플레이 시연을 수집합니다. 양보다 품질이 50개의 깨끗한 시연은 매번 200개의 불합리한 시연을 능가합니다.

데이터 품질 이 양 보다 중요 한 이유

로봇 학습에 있어서 일반적인 오해는 더 많은 시범이 자동으로 더 나은 정책을 만들어내는 것입니다. 이것은 잘못된 것입니다. 신경망은 데이터 세트에서 행동의 _ 분포를 따라하는 것을 배우게됩니다. 만약 당신의 시범이 일치하지 않는 경우 다른 경로, 다른 속도, 다른 객체 위치 네트워크는 실제 성공적인 전략에 해당하지 않는 흐릿한 평균을 학습합니다.

팔이 같은 순수한 길을 걸고 같은 위치에 물체를 잡고 같은 홈 위치로 돌아가는 50 개의 시범은 높은 변동성으로 500 개 이상의 시범을 일반화하는 정책을 생성합니다. 첫 번째 수집 세션은 그 일관성을 확립할 수있는 기회입니다. 시간을 가져와. 잘못된 느낌을 받은 모든 시범을 삭제하고 다시 녹음하십시오.

파이프라인 설계에 대한 더 깊은 지식을 얻기 위해 로봇 도서관에서 [데이터 수집 파이프라인 개요]T7을 읽어보십시오.

레로봇 데이터셋 형식

귀하의 녹음들은 LeRobot 형식으로** Hugging Face의 LeRobot 라이브러리에서 사용되는 표준으로 저장되며, Unit 5에서 사용 할 ACT 및 퍼포시션 정책 트레이너와 호환됩니다.

기록되는 것

합동 위치 (6 DOF + 지갑), 합동 속도는, 최종 효과자 자세, 카메라 프레임 (RGB + 선택적 깊이), 시간표 및 작업 메타데이터.

파일 구조

에피소드당 1개의 폴더. 각 에피소드는 상태/행동 배열을 가진 T0과 카메라 스트림을 가진 T1 하위 폴더를 포함합니다.

샘플링률

50Hz의 기본값. 각 초의 텔레오퍼레이션에서 50개의 시간 단계가 생성됩니다. 10초의 픽 앤 플레이스는 500개의 (상태, 행동) 쌍을 생성합니다.

호환성

레로봇 형식은 T2에 직접 로드된다. TF-Agent 파이프라인에서 RLDS로 변환될 수도 있다.

당신 의 녹음 세션

작업 이름과 목표 에피소드 수를 사용하여 녹음 스크립트를 시작하십시오. 스크립트는 자동으로 에피소드 관리, 파일 이름 및 품질 표시를 처리합니다.

# 환경을 활성화하십시오 첫 번째 소스 ~/openarm-env/bin/activate # 시작 녹음을 저장합니다 ~/openarm-datasets/pick-and-place/ python -m openarm.collect \ --task pick-and-place \ --task pick-and-place \ --episodes 50 \ --fps 50 \ --output ~/openarm-datasets/pick-and-place # 새로운 에피소드를 시작하기 위해 ENTER를 누르면, 마지막을 폐기하기 위해 BACKSPACE를 누르면

모든 에피소드 에 대해 동일한 시작 위치 에 있는 동일한 객체 를 가지고 작업 공간을 설정 하십시오. 객체 위치를 일관되게 유지 하기 위해 테이블에 테이프 마크를 사용 하십시오. 각 에피소드 시작 전에 팔은 정확히 같은 홈 포즈 로 돌아가야합니다.

** 실용적인 팁:** 각 에피소드 8~15초의 시간대를 목표로 한다. 너무 짧은 (5초 이하) 이며 정책은 원활한 궤도를 계획할 시간이 없다. 너무 긴 (20세 이상) 및 작은 변동이 합성된다. 표준 선택 장소에서 에피소드당 10초는 목표입니다.

데이터 품질 확인 목록

5부로 이동하기 전에 데이터 세트가 이 다섯 가지 검사를 통과하는지 확인하고, 어떤 항목이 실패한 에피소드를 폐기하고 다시 기록하십시오.

• 1 실패한 포착이 없습니다.* 각 에피소드는 객체가 목표 위치에 성공적으로 배치되는 것으로 끝납니다. 팔이 포착을 놓친 또는 객체를 떨어뜨린 에피소드는 삭제해야합니다.
• 2 일반적인 시작 자세. 팔은 각 에피소드 에서 본격적인 위치 에서 시작 됩니다. 데이터 세트 시청자 에서 0 시간 단계 에서의 관절 각이 모든 50 에피소드 에서 서로 ±2° 내에 있는지 확인 하십시오.
• 3 ** 갑작스러운 점프나 이 없죠.** T3로 35개의 무작위 에피소드를 시각화하세요. 액션 시퀀스는 스피크가 아닌 부드러운 연속 곡선으로 이루어져야 합니다.
• 4 카메라 프레임은 명확하고 집중력이 있다. 작업 공간의 카메라가 잠겨 있지 않고 직접적인 빛으로 불지 않고, 객체가 각 에피소드 내내 명확하게 볼 수 있는지 확인하세요. 흐릿하거나 어두운 비디오는 정책 성능을 저하시킨다.
• 5 50개의 완전한 에피소드가 저장되어 있습니다. T4를 실행하고 손상된 파일 없이 정확히 50개의 에피소드가 있는지 확인합니다. 스크립트는 프레임이 부족한 에피소드나 줄여진 액션 시퀀스를 표시합니다.

비교를 위해 참조 데이터 세트를 탐색

RCSV 데이터 세트 라이브러리는 품질 참조로 사용할 수 있는 예를 들어서 선택 및 장소 녹음물을 포함합니다. 데이터의 모습이 상당히 다르다면 훈련 전에 조사하십시오.

4단체 완료...

T5에서 레로봇 형식으로 저장된 50개의 청정 에피소드가 있습니다. 품질 체크리스트 항목은 모두 통과합니다. T6을 실행하면 50개의 에피소드가 표시됩니다. 오류가 없습니다. 당신은 이 데이터 세트를 5부에서 훈련 파이프라인에 넘겨주기 위해 준비되어 있습니다.

[← 경로 개요로 돌아가]