우리의 접근 방식

데이터 루프

로봇 학습의 핵심 과제는 모델 크기가 아니라 데이터. 출처가 어디인지, 어떻게 사용 가능한지, 다양한 소스가 어떻게 결합되는지를 살펴보세요. 우리는 실제 실패를 다음 교육 라운드로 바꾸는 폐쇄 루프를 구축합니다.

우리가 측정하는 것

우리의 북극성은 코드량이나 모델 크기가 아닙니다. 다음 5개의 숫자입니다.

• 새로운 로봇 온보딩 시간 — 새로운 플랫폼은 얼마나 빨리 연결할 수 있나요?
• 첫 번째 기준선에 대한 새 작업 — 시연부터 실행 가능한 정책까지
• 단일 실패 재교육 시간 — 실패가 다음 교육 라운드에 얼마나 빨리 다시 시작됩니까?
• 자동 평가 범위 — 벤치마크에 의존하는 결정의 비율은 얼마나 됩니까?
• 주간 클라이언트 종속성 — 우리 시스템을 통해 얼마나 많은 go/no-go 결정이 흐르나요?

우리가 통합하는 데이터 소스

로봇 훈련 데이터는 5가지 주요 경로에서 나옵니다. 단일 소스만으로는 충분하지 않습니다. 미래는 이기종 데이터 조합.

• 인터넷 휴먼 비디오 — 규모와 사전은 있지만 작업 레이블은 없습니다. 원시 모터 명령이 아닌 작업 구조에 사용합니다.
• 합성 데이터 — 자동화된 생성이지만 Sim2Real 격차가 있습니다. 우리는 보상 디자인과 도메인 무작위화에 중점을 둡니다.
• 모션 캡쳐 — 고정밀도, 휴대 가능. 비디오와 로봇 실행 사이를 연결합니다.
• 로봇 원격조종 — 배포에 가장 적합하지만 비용이 많이 듭니다. 효율성과 RECAP 스타일 수정 흐름을 최적화합니다.
• 이종 조합 — 교차 작업, 교차 로봇, 교차 모달. 진짜 국경.

데이터 표현은 원시 볼륨보다 더 중요합니다. 우리는 에피소드를 구조화된 패킷으로, 실패를 교육 가능한 사례로, 벤치마크를 의사 결정 표면으로 전환합니다.

우리가 건설하는 6개의 해자

1. 데이터 해자 — 데이터가 많지는 않지만 가장 희소합니다: 실제 실패, 수정, 평가 기록, 로봇 간 정렬.
2. 벤치마크 해자 — 고객의 진행 여부 결정은 벤치마크에 점점 더 의존하고 있습니다.
3. 어댑터 해자 — 새로운 로봇과 새로운 입력 장치 온보딩 속도가 가장 강력한 입문 장점입니다.
4. 워크플로 해자 — 연구, 엔지니어링, 테스트 및 운영은 모두 동일한 사실을 봅니다.
5. Real-Sim 상관관계 해자 — 벤치마크 결과는 실제 성능을 예측합니다.
6. 상업적 관계 해자 — "이 도구를 사용해 보세요"에서 "매일 보고서를 확인하고 매주 결정을 내립니다."까지.

접촉이 풍부하고 촉감이 좋습니다.

우리는 전문적으로 접촉이 많은 조작 — 삽입, 조립, 힘에 민감한 작업. 많은 팀이 비전을 수행합니다. 접촉 작업에 대한 실제 폐쇄 루프는 더 어렵습니다. 우리는 촉각, 토크 및 힘 신호를 데이터 루프 및 정책 교육에 통합합니다.

로봇 학습 환경 및 서비스로서의 평가

"서비스로서의 RL 환경"을 넘어 우리는 Real-to-Sim-to-Real 환경 및 평가 클라우드. 환경은 단지 RL 실행만을 위한 것이 아닙니다. 합성 데이터, 정책 교육, 시뮬레이션 평가, 실패 재생 및 벤치마크 게시를 위한 것입니다. 월드 모델, 환경 생성, 평가가 통합됩니다.