OpenArm: 학습 기반 조작을 위한 데이터 중심 로봇 플랫폼

OpenArm은 로봇 조작 플랫폼뿐만 아니라 데이터 네이티브 시스템 학습 기반 로봇 공학을 위해. 결정론적 산업 자동화에 최적화된 기존 로봇 팔과 달리 OpenArm은 모방 학습, 강화 학습, 시뮬레이션-실제 전송 및 대규모 실제 데이터 수집 요구 사항을 중심으로 설계되었습니다.

시스템 포지셔닝

시스템은 물리적 작업 실행과 함께 데이터를 일류 출력으로 처리합니다. 학습 기반 로봇 공학은 근본적으로 다른 요구 사항을 부과합니다. 다양한 조건에서의 반복 실행, 탐색 및 실패 중 안전한 상호 작용, 고주파수 동기화 감지 및 제어, 재현 가능한 궤적, 시뮬레이션과 실제 실행 간의 긴밀한 결합 등이 있습니다.

데이터 품질을 위한 하드웨어 설계

8-DOF 의인화 구조는 모방 학습을 위한 인간과 같은 중복성을 구현하고, 인간 시연에서 로봇 동작까지 자연스러운 매핑을 구현하며, 정책 복잡성을 줄입니다. 조인트 레벨 작동은 규정 준수 및 역구동 가능성을 우선시합니다. 이는 안전한 인간 참여형(Human-In-The-Loop) 데모 및 접촉이 많은 조작 작업에 중요합니다.

데이터 캡처 아키텍처

OpenArm은 관절 상태, 제어 명령, 엔드 이펙터 상태 및 외부 센서(시각, 촉각, 힘, IMU)의 동기화된 캡처를 지원합니다. 모든 데이터 스트림은 타임스탬프가 지정되고 제어 루프 수준에서 정렬됩니다. 데이터는 명확한 작업 초기화, 작업 실행, 접촉 이벤트 및 종료를 통해 에피소드로 구성되어 RL 롤아웃 및 모방 학습 궤적에 직접 매핑됩니다.

데이터로서의 실패

OpenArm은 성공뿐만 아니라 실패한 시도도 안전하게 기록하도록 설계되었습니다. 오류 궤적(미끄러짐, 잘못 파악, 충돌, 복구 시도)은 강력한 정책 학습 및 일반화에 중요한 일급 데이터입니다.

시뮬레이션-실제 정렬

MuJoCo 및 Isaac Sim의 보정된 모델은 운동학, 역학 및 작동 한계를 반영합니다. 시뮬레이션과 실제 데이터는 동일한 상태 정의와 일관된 작업 공간을 공유하므로 혼합 도메인 훈련과 교차 검증이 가능합니다.