生のログではなく、使用可能なデータを必要とするチーム向けに構築
当社は、ロボット工学チームと AI チームが、操作、接触の多いタスク、人間とロボットのインタラクションに重点を置き、学習ベースのシステム向けに大規模で高品質な実世界のインタラクション データを収集できるよう支援します。
当社のワークフローは、模倣学習モデル、強化学習システム、物理 AI の基礎モデルを構築するチーム向けに設計されています。 データの品質、一貫性、再現性 生のボリュームよりも重要です。
データ ループ - 失敗からトレーニングまで
私たちはデータを収集するだけではありません。 ループを閉じます。 実際のエピソードから構造化パケット、ベンチマークへ 実行から失敗まで リプレイからトレーニングに戻る。 ロボットに障害が発生すると、キーフレーム、接触スライス、修正軌道などの障害パケットが抽出され、それらが次のポリシー バージョンにフィードされます。 失敗は財産になります。
これが私たちと一般的なデータベンダーの違いです。私たちは次の点で業務を行っています。 実際のハードウェア, 学習ベースの制御、 そして 研究グレードのデータ標準。 私たちのチームはロボット システムと ML パイプラインの両方を理解しています。
私たちが収集するもの
当社は、制御された半構造化環境にある実際のハードウェアからキャプチャされた、マルチモーダルで同期されたロボット データセットを専門としています。
- ビジョンロボットの状態と制御に合わせた RGB、RGB-D、およびマルチビュー カメラ ストリーム。
- 固有受容ジョイントの位置、速度、トルク、モーター電流、および低レベルの制御信号。
- 力と触覚エンドエフェクターの力、触覚アレイ、接触位置、圧力、せん断。
- 人間のインプット遠隔操作コマンド、デモンストレーションの軌跡、および是正措置。
- 環境コンテキストシーンの構成、オブジェクトのメタデータ、タスクのパラメーター、エピソードの境界。
すべてのモダリティは、配信前に時間同期され、構造化され、検証されます。
人間参加型遠隔操作
操作およびスキル学習タスクについては、人間参加型遠隔操作システムを導入して、実際の人間の意図、修正行動、接触下での適応を反映するデモンストレーションをキャプチャします。
- 直感的なデモンストレーションのための擬人化されたコントロール マッピング
- リアルタイムの重力補正とコンプライアンス
- 接触時や故障時でも安全に動作
- 反復可能なタスクの初期化とリセット手順
タスク駆動型データセット設計
構造化されていない生のログは収集しません。 各プロジェクトは、明示的なタスクとデータセットの設計から始まります。つまり、タスクの定義、成功基準、状態/アクション/観察の仕様、エピソードのセグメンテーション、センサーのカバレッジ、含める障害モードなどです。 結果は、トレーニング、評価、ベンチマークに直接使用できます。