데이터 수집

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.

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.

학습 준비가 완료된 출력

구조화된 기록, 모방 학습 데이터 세트, 반복 가능한 인간 시연, 시뮬레이션-실제 정렬. 에피소드별 메타데이터, 시간 인덱스 다중 모드 관찰 및 일관된 작업 공간을 갖춘 에피소드 기반 조직입니다.