Tänään esittelemme merkittävän muutoksen robottipohjaisessa tekoälyssä @sundayrobotics. Esittelyssä ACT-1: Rajarobottipohjamalli, joka on koulutettu nollarobottidatalla. - Erittäin pitkän aikavälin tehtävät - Nollalaukausyleistys - Edistynyt ketteryys 🧵->

Etäoperaation sijaan harjoittelemme pelkästään Skill Capture Glove -hansikkaamme datalla. Hanska on suunniteltu yhdessä Memon käden kanssa, mikä tarkoittaa, että heillä on täsmälleen sama geometria ja sensorijärjestelmä. Jos pystyt tekemään sen hansikkaan päässä, Memo voi oppia sen.

Skill Capture Glove antaa meille kaksi kertaluokkaa korkeampaa pääomatehokkuutta verrattuna etäoperaatioon ($200 vs $20,000) Se mahdollistaa myös monimuotoisuuden nopeamman skaalauksen. Voit kerätä dataa missä tahansa ilman, että robotteja tarvitsee liikuttaa.

Skill Capture Glove kohdistaa kädet, mutta entä muu keho? Ihmiskeräilijät vaihtelevat pituudeltaan ja käsivarren pituudeltaan, ja ovat myös visuaalisesti erilaisia. Kehitimme Skill Transform -menetelmän, joka muuntaa hanskadatan vastaavaksi robottidataksi 90 %+ onnistumisprosentilla.

Ydininfrastruktuurin suunnitteluun meni yli vuosi. Sitten käytimme viimeiset kolme kuukautta kaikkien yllä mainittujen autonomisten tulosten tuottamiseen. Alla nostan esiin joitakin suosikkiosiani tästä julkaisusta.

Pöydästä astianpesukoneeseen -tehtävä on klassinen painajaismainen robotiikan ammattilaisille: Pitkän horisontin, erittäin ketterä, tarkka, koko kehon hallinta yhdistettynä herkkiin, läpinäkyviin, heijastaviin ja muovautuviin esineisiin. Silti Memo hoitaa sen niin luonnollisesti ja elegantisti.

Erityisesti viinilasien lataaminen on herkin osatehtävä: Painatko alas liikaa voimalla? Särkeä. Laittaako väärä piikki paikalleen? Särkeä. Rikoimme monia kehityksen aikana, mutta nolla yli 20+ live-demosessiota.

Yksi vähemmän tunnettu fakta hanskapohjaisesta tiedonkeruusta: se tuottaa korkealaatuisempaa dataa kuin teleop kontaktirikkaissa tehtävissä. Etä-teleop ei anna hyvää voimapalautetta, mutta hanskat tekevät sen luonnostaan, mikä tekee tehtävistä kuten sukkien taittelusta, jotka perustuvat tunteeseen, paljon helpommin tallentaa.

On vielä hauskempaa nähdä, miten Memo reagoi näkymättömiin ympäristöihin. Lähetämme sen kuudelle näkymättömälle Airbnb:lle ja annamme robotille tarkkoja tehtäviä, kuten ruokailuvälineiden poimimisen lautaselta. Koska koulutamme yli 500 kodin datalla, uusi koti on Memolle heti tuttu.