Paxini Gen3 Path(으)로 돌아가기

촉각적 인 시사 를 기록

확장된 LeRobot 형식으로 동기화된 촉각 채널을 통해 50개의 포착 및 장소 시범을 기록합니다.

5중 4부 · 데이터 수집 · ~ 2시간

이 단위에서는 확장된 LeRobot 데이터 세트 형식을 사용하여 동기화된 촉각 채널로 50 개의 포착 및 장소 시범을 기록합니다. 품질 체크리스트를 적용하고 SDK의 자동 스립 이벤트 표시를 사용하여 데이터 세트가 훈련 준비가되어 있는지 확인합니다.

단계 1 녹음 설정

녹음기 를 구성

팔, 센서, 카메라 인터페이스로 멀티소스 레코더를 초기화하십시오. 레코더는 HDF5 파일 생성, 채널 정렬 및 에피소드 인덱싱을 자동으로 처리합니다.

paxini.sync import MultiSourceRecorder sensor = paxini.Sensor() sensor.start() sensor.calibrate() # 항상 녹음하기 전에 기계를 조정합니다. 녹음기 = MultiSourceRecorder( arm=arm_interface, sensor=sensor, camera=camera_interface, # 선택적이지만 권장되는 출력_dir="./tactile_dataset/", episode_prefix="grasp_place", sample__hz=100, # + tactile downsampled to 100 Hz for dataset)

2단계 50개의 시위를 녹음

녹음 ループ

각 시범: 에피소드를 시작하여 작업을 수행 (물질을 잡거나 이동하거나 배치) 하고, 에피소드를 종료합니다. 녹음기는 에피소드를 HDF5 파일로 저장하고 요약을 인쇄합니다.

입력 () f"\nEpisode {episode_num + 1}/50 입력하기 위해 입력하기 위해 입력하기 위해 입력합니다, 그리고 잡기-현장 작업을 수행합니다...") recorder.start_episode) # 작업을 수행하기 위해 팔을 원격으로 작동합니다.

타클 데이터에 대한 디자인 팁을 선택하세요 다양한 무게와 적합성의 물체를 잡는 작업을 선택하세요. 변형 가능한 물체 (soft toys, foam blocks, flexible packaging) 와 시각적 포착 평가가 모호한 물체 (투명한 병, 빛나는 물체) 는 타클 인식 정책에 가장 훈련 신호를 생산합니다.

단계 3 품질 확인 목록

데이터 세트 품질을 보장

녹음 후, 훈련에 가기 전에 데이터 세트의 품질 검사를 실행하십시오.

# Paxini에서 전체 데이터 세트의 품질 검사를 실행합니다.입입을 참고합니다 DatasetQualityReport report = DatasetQualityReport("./tactile_dataset/") report.run() report.print_summary() # 예제 출력: # 에피소드: 50 # 통과: 44 # 플래그 (스립 이벤트): 4 # 플래그 (센서 포화): 1 # 플래그 (시크네이션 품질): 1 # 훈련 준비: 44 에피소드

** 각 세션 전에 기본 기준** 각 녹음 세션 시작과 팔을 크게 재착재할 때마다 T0로 재계산하십시오.

** 접촉 사건은 비디오와 일치한다** 5 에피소드를 검토합니다. T1의 상승 가장자리는 20 ms 이내에 카메라 피드에서 눈에 보이는 손가락 끝과 객체 접촉과 일치해야합니다.

** 힘 범위 커버** 50 에피소드 중 최대 힘은 0.5 N (빛 잡기) 에서 최소 8 N (강한 잡기) 까지 다양해야 한다. 모든 에피소드를 최대 잡기 힘으로 기록하는 것을 피한다.

** 센서 포화 없음** 어떤 에피소드에도 T2를 표시해서는 안 됩니다. 포화 발생하면, 포착력을 줄이거나 그 포착 크기의 손바닥 변종으로 전환하십시오.

목표: 50개의 청정 접촉 이벤트 표시 후, 최소 44개의 고품질 에피소드를 목표로 합니다. 표시된 에피소드를 다시 기록하여 목표 번호를 달성합니다.

고급 동기화 옵션을 포함한 전체 데이터 수집 방법론을 [Paxini Gen3 데이터 수집 가이드](T4 참조하십시오.

4단체 완료...

T3은 모든 검사를 통과하는 최소 44개의 에피소드를 보여줍니다. 보고된 접촉 사건은 수동으로 검토한 5개의 에피소드에서 비디오와 일치합니다. 데이터 세트에 걸쳐 적어도 3개의 다른 힘 레벨이 나타납니다.

[← 경로 개요로 돌아가요]