ALOHA Kits 機器學習(ML)手臂套件組介紹
ALOHA Kits(A Low-cost Open-source HArdware) 機器學習手臂套件組
ALOHA Kits 是由 Trossen Robotics 所製造的機器學習(Machine Learning)手臂套件組，此套件組是基於 Stanford University 的 ALOHA 開源專案。目前 ALOHA 應用是在家政機器人(House Keeping)方面的使用上。
ALOHA Kits 為你的機器學習研究，提供一個完整的實驗室系統。它們可以幫助你節省時間和金錢，讓你可以專注於研究，而不是花在硬體設計和開發。
這些機器學習手臂套件組，專為數千小時的數據收集而設計，並且易於維修。套件組的零件是採用 T 型鋁擠及 3D 列印件組裝。如使用者需要，也可提供 3D 模型檔，以供客戶自行客製化改進設計。
ALOHA Kits 目前有分四種手臂套件組:
1. Aloha Stationary 桌上型機器學習手臂套件組
2. Aloha Mobile 移動型機器學習手臂套件組
3. Aloha ViperX Pair 被控端機器手臂組 (單支 or 一對)
4. Aloha WidowX Pair 操作端機器手臂組 (單支 or 一對)
5. Aloha Solo 機器學習手臂單套組合
Github: https://mobile-aloha.github.io/
Youtube: https://www.youtube.com/watch?v=HaaZ8ss-HP4
Whitepaper: https://tonyzhaozh.github.io/aloha/
ALOHA Kits 分為
How Does Aloha Work?
ALOHA Kits 機器學習流程
- STEP 1Data Collection
- STEP 2
Train & Evaluate - STEP 3
Build Your Own Model
STEP 1Data Collection
一切都開始於數據。需要透過自行收集的訓練資料，或雲端下載預先存在的訓練資料集來開始你的機器學習(ML)專案。這些資料集將為機器學習(ML)模型提供「經驗」，來訓練及通知機器學習(ML)模型來執行任務。
自行收集數據
以多樣的方式重複執行單獨的任務。舉例來說: 嘗試從多個角度方向，拾取放置在不同位置的彩色方塊。
雲端下載
為了節省時間，你可以使用社群和 Trossen Robotics 提供的公開訓練資料。
(Hugging Face 被稱為「AI 界的Github」，最大亮點是開源模型集散地)
我們與 Hugging Face 合作，作為 Aloha 的社群數據共享平台。
資料集
資料結構包含:
- Multi-View Video Streams
- Joint Speed (rad/sec)
- Joint Position (rad)
- Per Time Step (50Hz)
- 下載資料範例檔
STEP 2
Train & Evaluate
Train & Evaluate
一旦擁有了重要的訓練資料集，就可以開始 Model Training 和 Model Evaluating 的循環優化過程了。你可以從預先載入的 ACT++ 機器學習(ML)模型開始，調整參數並評估資料輸入到任務輸出的成功率。
ML Model Training
機器學習(ML)模型訓練，可以在各種硬體平台上進行，包括 Aloha 預裝筆電、高效能邊緣運算(Edge Computing)節點，甚至是雲端運算(Cloud Computing)。
ML Model Evaluating
優化 ACT++ 機器學習(ML)模型的小技巧建議:
評估時調整參數以獲得更好的結果。舉例:
– VAE KL weight
– Feedforward
– layer dimension
– Hidden layer
– dimension
– learning rate
– batch size
* 除了可在實體的 ALOHA Kit 來進行評估外，可在電腦的虛擬數位雙生(Digital Twin)環境內來實行 Virtual evaluationg，但只限 ALOHA Stationary 套件組。
STEP 3
Build Your Own Model
Build Your Own Model
在掌握 ACT++ 模型並實現可重複的高成功率任務後，是時候在你的工作基礎上，建立自己的機器學習(ML)模型了。
ACT++ 是 Stanford University 的開源模型。使用 GitHub，你可以 fork 複製自己的版本。
ALOHA 2: 低成本，增強型的雙手操控機器學習手臂套件
多樣化的演示資料集，推動了機器人學習的重大進步，但此類資料的靈活性和規模可能受到硬體成本、硬體穩健性和遠端操作難易程度的限制。我們推出 ALOHA 2，這是 ALOHA 的增強版本，與原始設計相比，它具有更高的性能、人體工學和堅固性。為了加速大規模雙手操控的研究，我們開源了 ALOHA 2 的所有硬體設計，並附有詳細的教程，以及具有系統識別功能的 ALOHA 2 MuJoCo 模型。
