hands-on med Seeed Studio ReBot-armen i München efter ICRA

OpenELAB × Seeed Studio Robotics Builders Meetup Opsummering: Fra LeRobot og SenseCraft til implementering i den virkelige verden

Efter ICRA sluttede mange robotsamtaler ikke på konferencestedet i Wien.

For robotudviklere, forskere og hardwareproducenter kommer de vigtigste spørgsmål ofte efter demoen: Kan algoritmen køre på ægte hardware? Kan en open source-værktøjskæde integreres uden for meget besvær? Kan en robotarm pålideligt gentage en opgave? Hvad skal der stadig ske mellem en problemfri simulation og en fysisk robottest?

Med disse spørgsmål i tankerne afholdt OpenELAB og Seeed Studio et Robotics Builders Meetup den 7. juni i München. Arrangementet samlede robotudviklere, forskere, makers og hardwareentusiaster til en praktisk session om Seeed Studio reBot Arm, Reachy Mini, Hugging Face LeRobot, SenseCraft og de praktiske udfordringer ved implementering i den virkelige verden.

I begyndelsen af meetuppet fik deltagerne mulighed for at se Seeed Studio-robotteknologi tæt på, herunder Seeed Studio reBot Arm og Reachy Mini. I stedet for kun at se på slides kunne deltagerne observere hardwaren i bevægelse, interagere med robotterne og knytte diskussionen til faktiske robotanvendelser.

Fokus var ikke blot endnu en demonstration af en robotarm.

Det større spørgsmål var:

Efterhånden som legemliggjort AI algoritmer, imitationslæring frameworks og open source-værktøjskæder til robotteknologi bliver stadig mere avancerede, hvordan kan udviklere overføre dem til ægte robotteknologi?

Dette spørgsmål prægede en stor del af diskussionen under meetuppet. Kort sagt handlede det om implementering i den virkelige verden.

I denne sammenhæng betyder implementering i den virkelige verden ikke, at man sender en robot direkte ind i et modent industrielt miljø. Det betyder noget mere grundlæggende: at forbinde algoritmer, data, softwareværktøjer og fysisk hardware på en måde, som udviklere kan genskabe, teste og forbedre.

Efter demoen begynder de virkelige spørgsmål

På en computer kan mange dele af robotteknologien se ligetil ud.

Modeller kan trænes. Simulationer kan køres. Datasæt kan downloades. Demovideoer kan se professionelle ud.

Men når en arbejdsgang overføres til ægte robotteknologi, bliver spørgsmålene mere specifikke.

Under meetupet blev flere emner gentagne gange taget op:

Bevægelsesstabilitet: Kan robotarmen udføre den ønskede bevægelse konsekvent?
Datakvalitet: Er de indsamlede data sammenhængende, rene og anvendelige?
Gengivelse af modellen: Kan den trænede model udføre den tilsigtede opgave på fysisk hardware?
Miljøforskelle: Påvirker latenstid, kalibreringsfejl, belysning, friktion eller andre faktorer fra den fysiske verden en strategi, der fungerede i simuleringen?

Det er ikke kun udfordringer, der er knyttet til ét bestemt produkt. De er udbredte problemer i robotikindustrien.

Derfor handlede værdien af meetupet ikke kun om at se reBot Arm bevæge sig. Det handlede om at bringe udviklernes virkelige spørgsmål ind i rummet: Hvordan går man fra bevægelsesoptagelse og dataindsamling til modeltræning og derefter til validering på fysisk hardware?

Hvorfor udviklere interesserer sig for LeRobot og open source

Én ting stod klart under arrangementet: Udviklere, der arbejder med embodied AI, lægger stor vægt på open source-økosystemer.

De leder ikke kun efter en robotarm, der „virker“. De vil vide, om hardwaren er åben, kan modificeres, er kompatibel med eksisterende værktøjer og er nyttig til afprøvning af avancerede arbejdsgange inden for embodied AI og imitation learning.

Derfor vakte forbindelsen mellem reBot Arm og Hugging Face LeRobot-økosystemet opmærksomhed.

Kort sagt:

LeRobot leverer open source-værktøjer og -ressourcer til robotlæring, imitation learning og eksperimenter med rigtige robotter.
reBot Arm leverer en fysisk hardwareplatform, som udviklere kan betjene, teste og bygge videre på.

Den ene leverer metoderne. Den anden leverer det fysiske hardwaremiljø.

Tilsammen giver de udviklere en mulighed for at flytte robotarbejdsgange ud over kode, artikler og simuleringer og over på en fysisk robotarm.

For udviklere af embodied AI er denne forbindelse vigtig, fordi den mindsker afstanden mellem forskningsarbejdsgange og praktisk robotikudvikling.

SenseCraft-demo: Sådan nedbrydes udviklingsarbejdsgangen

Under arrangementet demonstrerede Seeed Studio-teamet, hvordan SenseCraft kan understøtte arbejdsgangen inden for robotikudvikling.

For personer, der endnu ikke er fortrolige med embodied AI, kan begreber som „bevægelsesoptagelse“, „dataindsamling“, „modeltræning“ og „evaluering af resultater“ virke abstrakte. Når de anvendes på en robotarm, bliver arbejdsgangen lettere at forstå.

På et overordnet niveau kan processen beskrives således:

Bevægelsesoptagelse → Dataindsamling → Modeltræning → Evaluering af resultater → Validering i den virkelige verden

I praksis betyder det:

Bevægelsesregistrering Før robotarmen gennem en målrettet bevægelse.
Dataindsamling Registrér bevægelsesprocessen, og generér data, der kan bruges til træning.
Modeltræning Brug de indsamlede data til at træne en model, der lærer bevægelsen eller opgavens adfærd.
Evaluering af resultater Evaluér modellens ydeevne på opgaven, og optimér den baseret på resultaterne.
Validering i den virkelige verden Kontrollér, om modellen kan udføre lignende opgaver på fysisk hardware.

Arbejdsgangen kan se enkel ud på overfladen, men hvert trin kan påvirke det endelige resultat, når der er fysisk hardware involveret. Bevægelsesstabilitet, datakvalitet og træningspålidelighed påvirker alle, hvor godt robotarmen udfører faktiske opgaver.

Derfor var den live SenseCraft-demonstration nyttig. Den viste ikke kun et færdigt resultat. Den brød udviklingsprocessen ned og hjalp deltagerne med at forstå sammenhængen mellem bevægelse, data, modeltræning, evaluering og udførelse i den virkelige verden.

Praktisk erfaring gør spørgsmålene mere konkrete

Efter demonstrationen fik deltagerne mulighed for at arbejde direkte med reBot Arm og interagere med Reachy Mini.

Ved udvikling af robotteknologi er praktisk erfaring vigtig. Mange problemer kan ikke forstås fuldt ud ud fra en produktside eller et datablad. De bliver først synlige, når udviklere faktisk bruger hardwaren.

De praktiske spørgsmål, der blev rejst, omfattede:

Matcher robotarmens bevægelsesområde den forventede anvendelse?
Er arbejdsgangen intuitiv?
Er det nemt at konfigurere dataindsamlingen?
Er dokumentationen og værktøjskæden tydelig nok?
Kan enheden integreres i et eksisterende forsknings- eller udviklingsprojekt?
Er det egnet til undervisning, forskning eller demonstrationer i fællesskaber?

Disse detaljer kan virke små, men de afgør ofte, om et robotteknologisk projekt kan gå fra “klar til demonstration” til reelt anvendeligt.

Det er værdien ved et udviklermøde. Produktdemonstrationer er kun udgangspunktet. Den dybere værdi opstår, når folk tager deres egne spørgsmål, begrænsninger og projektidéer med ind i diskussionen.

Udvikling af robotteknologi kræver mere end hardware

Denne begivenhed understregede også en bredere pointe: Udvikling af robotteknologi kræver mere end en robotarm eller et udviklingskort.

For at få robotteknologiske applikationer til at fungere har udviklere som regel brug for et supportsystem omkring hardwaren:

Pålidelig hardware, der kan understøtte gentagne eksperimenter og validering.
Klar dokumentation, der forkorter tiden fra opsætning til første anvendelse.
Genanvendelige softwareværktøjer, der hjælper udviklere med at opbygge arbejdsgange hurtigere.
Praktiske demonstrationer, der viser, hvordan en komplet proces kan fungere.
Et aktivt udviklerfællesskab, hvor spørgsmål, feedback og forbedringer kan cirkulere.

Det gælder især for embodied AI og imitationslæring. Hardware er kun udgangspunktet. Udviklere bruger en stor del af deres tid på dataindsamling, modeltræning, implementeringstest og gentagen fejlfinding.

Det er også derfor, open source-robotteknologiøkosystemer bliver stadig vigtigere. De reducerer ikke kun omkostningerne ved at få adgang til hardware, men sænker også barriererne for at forstå, ændre, reproducere og forbedre arbejdsgange inden for robotteknologi.

OpenELABs rolle: At hjælpe udviklere med at få adgang til den rette hardware til robotteknologi

Under meetuppet delte OpenELAB, hvordan vi ser på vores rolle i robotteknologiens udviklerfællesskab.

Som en hardwareplatform med alt samlet ét sted for udviklere, ingeniører og innovationsteams sigter OpenELAB mod at skabe en mere smidig forbindelse mellem hardwarebrands og de mennesker, der bygger med disse produkter.

Denne forbindelse er vigtig på flere måder:

For udviklere betyder det lettere adgang til passende hardware, understøttende værktøjer og praktiske referencer til anvendelser.

For hardwarebrands betyder det at nå ud til brugere, der er klar til at teste produkter, bygge med dem, give feedback og føre dem hen imod anvendelser i den virkelige verden.

For robotteknologiøkosystemet betyder det mere praktisk brug, mere feedback og flere iterationer – hvilket alt sammen hjælper med at forbedre open source-hardware og værktøjskæder til embodied AI.

For open source-robotteknologihardware som Seeed Studio reBot Arm vil OpenELAB fortsat støtte Seeed Studios ekspansion på det europæiske marked og hjælpe flere udviklere, forskerteam og makers med at få adgang til udvikling inden for embodied AI og robotteknologi med lavere adgangsbarrierer.

Det handler ikke kun om at promovere et produkt. Det handler om at hjælpe flere mennesker med at afprøve idéer, dele feedback og deltage i opbygningen af open source-robotteknologiøkosystemet.

Afsluttende tanker

Da meetuppet gik over i åben diskussion og pizzasessionen, fortsatte samtalerne om implementering i den virkelige verden, open source-værktøjskæder, LeRobot, SenseCraft og udvikling af embodied AI.

Det var den mest interessante del af Munich Robotics Builders Meetup. Det handlede ikke kun om en produktoplevelse. Det var en praktisk samtale om, hvordan robotter faktisk kan fungere i den virkelige verden.

Efter ICRA fortsætter robotsamtalen. For udviklere handler det virkelige arbejde stadig om at overføre idéer, algoritmer og værktøjer til fysisk hardware – og derefter teste, justere og iterere igen.

OpenELAB vil fortsat samarbejde med Seeed Studio og flere open source-hardware-, robotteknologi- og AI-udviklerfællesskaber om at arrangere flere fysiske meetups og praktiske sessioner, så flere idéer inden for embodied AI kan blive ført ud i den virkelige verden.