Fluxo de trabalho
O Ciclo de Dados - Da Falha ao Treinamento
Não apenas coletamos dados. Fechamos o ciclo: episódio real para pacote estruturado para execução de benchmark para replay de falha para de volta ao treinamentoQuando os robôs falham, extraímos pacotes de falha, como quadros-chave, fatias de contato e trajetórias de correção, e os alimentamos na próxima versão da política. As falhas se tornam ativos.
Isso é o que nos diferencia de fornecedores de dados genéricos: operamos na interseção de hardware real, controle baseado em aprendizado, e padrões de dados de nível de pesquisaNossa equipe entende tanto sistemas robóticos quanto pipelines de ML.
Cobertura
O que Coletamos
Nós nos especializamos em conjuntos de dados robóticos multimodais e sincronizados capturados de hardware real em ambientes controlados e semi-estruturados.
- VisãoFluxos de câmera RGB, RGB-D e multi-view alinhados com o estado e controle do robô.
- PropriocepçãoPosição da junta, velocidade, torque, correntes do motor e sinais de controle de baixo nível.
- Força e tátilForça do efetor final, matrizes táteis, localização de contato, pressão e cisalhamento.
- Contribuições humanasComandos de teleoperação, trajetórias de demonstração e ações corretivas.
- Contexto ambientalConfiguração da cena, metadados de objetos, parâmetros de tarefa e limites de episódio.
Todas as modalidades são sincronizadas no tempo, estruturadas e validadas antes da entrega.
Modo de coleta
Teleoperação com Humano no Circuito
Para tarefas de manipulação e aprendizado de habilidades, implantamos sistemas de teleoperação com humanos no loop para capturar demonstrações que refletem a intenção humana real, comportamento de correção e adaptação sob contato.
- Mapeamentos de controle antropomórfico para demonstrações intuitivas
- Compensação de gravidade em tempo real e conformidade
- Operação segura durante casos de contato e falha
- Inicialização de tarefas repetíveis e procedimentos de reinício
Desenho do programa
Design de Conjunto de Dados Orientado a Tarefas
Não coletamos logs brutos não estruturados. Cada projeto começa com um design explícito de tarefa e conjunto de dados: definição da tarefa, critérios de sucesso, especificações de estado/ação/observação, segmentação de episódios, cobertura de sensores e modos de falha a serem incluídos. O resultado é diretamente utilizável para treinamento, avaliação e benchmarking.