Robot có thể chuyển động, nhưng chưa chắc làm đúng việc

Điểm nghẽn của tự động hóa robot không chỉ là phần cứng. Đó là thiếu dữ liệu đủ tốt để robot học cách hoàn thành trọn vẹn một công việc.

Vì sao một case robot thất bại?

• Quỹ đạo không tự nhiên
• Va chạm gây hư hại
• Do gắp trượt, rơi vật, hoặc thả không đúng
• Cánh tay di chuyển với vận tốc bất thường

​

⟶ Đòi hỏi chi phí và cần lượng lớn thời gian

⟶ Dữ liệu không đáng tin cậy để vận hành

Giải pháp của chúng tôi

• Tạo nhiều tình huống khác nhau trong mô phỏng.
• Điều khiển an toàn, có thời gian căn chỉnh và giữ vật.
• Ghi lại hành động, trạng thái, kết quả và an toàn cho cánh tay.
• Tự động ghi nhận những ca không đạt; người duyệt xác nhận những ca còn lại.
• Xuất thành bộ dữ liệu cho việc huấn luyện robot.

TRƯỚC SAU

Quy trình sử dụng

Dữ liệu tốt phải đúng việc, an toàn, và có người xác nhận.

Bốn lớp kiểm tra

• Đúng dữ liệu: đủ bản ghi, đúng thứ tự, không thiếu hoặc hỏng.
• Đúng chuyển động: không va chạm, không vượt giới hạn, không ra ngoài vùng hoạt động.
• Đúng nhiệm vụ: gắp được, nâng được, giữ được và đặt đúng vị trí.
• Được xác nhận: người duyệt xem lại bằng chứng và chấp nhận.

Quy tắc vào bộ dữ liệu cuối

Đúng nhiệm vụ + An toàn + Bản ghi hợp lệ + Người duyệt chấp nhận

-> Được đưa vào huấn luyện

​

From Dataset

to Robot Action!

Từ dữ liệu đến robot học cách làm

• Bộ dữ liệu ghi lại vị trí tay robot, vị trí vật, vị trí đích và trạng thái kẹp.
• Mỗi bước đi kèm hành động tiếp theo: dịch tay theo ba chiều và mở hoặc đóng kẹp.
• Mô hình học từ các ví dụ đã được kiểm tra, thay vì học từ mọi lần chạy.
• Thông tin về nguồn dữ liệu, phiên bản và mã kiểm tra được lưu cùng mô hình.

Robot đã học được hành vi đúng!

Bằng chứng hiện có

• Trong bài kiểm tra trên bộ dữ liệu đã dùng để huấn luyện:
• Robot mở/đóng kẹp đúng: 99,49%.
• Sai số dịch chuyển tay trung bình: 6,71 mm.
• Hành động nằm trong giới hạn cho phép: 97,13%.
• Tỉ lệ thành công > 55% trên 100 data huấn luyện.

Ý nghĩa:

• Hành vi robot có thể đo lường, thay vì đánh giá bằng cảm nhận.
• Đội ngũ có thể phát hiện điểm cần cải thiện.
• Dữ liệu đạt chuẩn tạo nền tảng cho tương lai.

Dữ liệu được kiểm soát giúp robot học lại hành động một cách nhất quán và đo được.

Chúng tôi mang lại

TIẾT KIỆM THỜI GIAN

DỄ MỞ RỘNG

GIẢM CHI PHÍ THỬ SAI

DỮ LIỆU TIN CẬY

Giá trị tạo ra: từ thử nghiệm robot đến năng lực mở rộng

Chúng tôi không chỉ giúp robot làm đúng một lần. Chúng tôi xây dựng cách để robot tiếp tục học, cải thiện và làm được nhiều việc hơn.

Mỗi case chạy đạt không kết thúc ở một lần thực hiện

— nó trở thành tài sản giúp robot làm tốt hơn ở lần sau.

​

Thank you!

P-161

RAV-10

SYNTHETIC DATA ENGINE

CLIK, waypoint và DLS

biến đường đi thành chuyển động an toàn.

Waypoint quyết định robot cần đi qua đâu; CLIK và DLS giúp robot đi tới đó ổn định.

WORKSPACE SCAN

& PREFLIGHT

Loại sớm những tình huống chắc chắn thất bại, trước khi tốn thời gian chạy đầy đủ.

SCAN VÙNG HOẠT ĐỘNG

• Đã kiểm tra 128 điểm trên bàn.
• 90 điểm dùng được, tương đương 70,31%.
• Vùng hoạt động ước tính: 0,576 m².
• Tầm vươn tối đa 855mm

​

CÁC BƯỚC PREFLIGHT

• Vị trí ban đầu hợp lệ, vật không xuyên bàn và vật không lăn đã ổn định.
• Tay robot tìm được tư thế gắp và đích đến bằng IK (tìm góc khớp từ vị trí tay) trong giới hạn cho phép.
• Đường đi có đủ khoảng hở; ngón tay và lòng bàn tay không chạm sai.
• Hệ thống kiểm tra lại tư thế bằng FK (tính lại vị trí từ góc khớp) trước khi chạy.
• Điểm xanh được phép tạo dữ liệu; điểm đỏ bị loại.

Có thể truy nguyên, sửa lỗi và lặp lại

Dữ liệu có thể truy nguyên

• Mỗi case có ID, vị trí, mô tả vật thể và trạng thái.
• Dữ liệu quỹ đạo, hình ảnh xem lại, kết quả kiểm tra, phiên bản được lưu cùng nhau.
• Có thể mở lại một ca để biết robot đã thấy gì, đã làm gì và vì sao đạt hoặc không đạt.

Khi robot gặp lỗi

• Lỗi có thể khắc phục bằng cách tăng khoảng hở an toàn được phép thử lại có kiểm soát.
• Lỗi do dữ liệu thiếu, sai cấu trúc hoặc sai quan sát thì dừng ngay.
• Mọi lần thử đều được giữ lại; thử lại không biến ca thất bại thành ca đạt.
• Ca thất bại sẽ không được cho phép duyệt

​

4 Định dạng dataset đã được hỗ trợ

RLDS

LeRobot

PyTorch

mini-vla