همچنان که یادگیری ربات از محیطهای آزمایشگاهی کنترلشده به محیطهای دنیای واقعی گسترش مییابد، یک تنگنا مدام ظاهر میشود: جمعآوری دادهها.
عملیات از راه دور دقیق اما کند است. دوربینهای شخص ثالث، دیدگاه اپراتور را نشان نمیدهند. دوربینهای اکشن مصرفی فاقد هماهنگسازی حسگر هستند که یادگیری تقلیدی مدرن و خطوط لوله VIO به آن نیاز دارند.
یک گزینه سختافزاری جدید در حال ورود به این حوزه است. دوربین Ego ما یک دوربین استریو دوچشمی است که روی سر قرار میگیرد و بهطور خاص برای ضبط دادههای خودمحور در تحقیقات هوش مصنوعی تجسمیافته و دستکاری ربات ساخته شده است.
دیدگاهی که با ربات مطابقت دارد
این ماژول مانند یک هدبند سبک روی سر انسان قرار میگیرد و دقیقاً آنچه اپراتور در حین انجام کار میبیند را ثبت میکند. این دیدگاه اول شخص (خودمحور) به یک محور اصلی در تحقیقات اخیر رباتیک تبدیل شده است.
مطالعات گسترده از سال ۲۰۲۵ تا ۲۰۲۶ - از جمله HumanEgo، EgoMimic و EgoScale - نشان دادهاند که سیاستهای رباتی که بر اساس ویدیوهای خودمحور انسانی آموزش دیدهاند، میتوانند با کسری از هزینه جمعآوری، با سیاستهای آموزشدیده بر اساس دادههای تلهاُپرینت برابری کنند یا از آنها پیشی بگیرند. دیدگاه مهم است: ربات، وقتی مستقر میشود، دنیا را از حسگرهای داخلی خود میبیند، نه از سقف یا سهپایه.
دوربین Ego ما برای پر کردن این شکاف طراحی شده است، دادههای آموزشی را ارائه میدهد که با دیدگاه استنتاج واقعی ربات مطابقت دارد و عدم تطابق پرسپکتیو را برای آموزش مدل از بین میبرد.
طراحی حسگر برای خطوط لوله تحقیقاتی
حسگرهای استریو با شاتر سراسری
ماژول دوربین از دو حسگر شاتر سراسری ۲ مگاپیکسلی با میدان دید افقی ۶۰ تا ۶۵ درجه استفاده میکند که با میدان دید استاندارد ماژولهای بینایی سر ربات انساننما سازگار است. شاتر سراسری یک انتخاب طراحی اصلی آگاهانه است: هر پیکسل به طور همزمان نوردهی میشود و اعوجاج ژلهای شاتر چرخشی را که حرکات سریع دست و بدن را در طول ضبط پویا خراب میکند، به طور کامل از بین میبرد.
حفظ دادههای خام (بدون EIS)
ما عمداً لرزشگیر الکترونیکی تصویر EIS داخلی را حذف میکنیم. EIS میدان دید اصلی را برش میدهد و پارامترهای ذاتی و خارجی کالیبره شده در کارخانه را تغییر میدهد، که این امر باعث اختلال در تطبیق استریو و ثبات کالیبراسیون دوربین-IMU میشود. دادههای خام فول فریم اصلی برای پردازش الگوریتم ربات در قسمت پشتی محفوظ است.
همگامسازی سختافزاری در حد میکروثانیه
IMU شش محوره داخلی ICM-2688 (شتابسنج + ژیروسکوپ، نمونهبرداری در 200-500 هرتز) از طریق سیگنال تریگر اختصاصی GPIO همگامسازی میشود. یک سیگنال پالس یکپارچه که از طریق پینهای GPIO ارسال میشود، دوربینهای استریو و نمونهبرداری IMU را به طور همزمان فعال میکند. خطای همگامسازی کمتر از 10 میکروثانیه است و هر فریم ویدیویی و نمونه IMU دارای یک مهر زمانی سختافزاری یکپارچه هستند.
این سطح از همگامسازی یک استاندارد اجباری برای خطوط لوله VIO اصلی مانند VINS-Fusion و OpenVINS است، که در آنها تنظیم زمانبندی صرفاً نرمافزاری، انحراف مسیر آشکار را در طول توالیهای ضبط طولانی جمعآوری میکند.
ذخیرهسازی کالیبراسیون داخلی
کالیبراسیون کامل کارخانهای، اجزای داخلی و خارجی استریو و تبدیلهای دوربین به IMU را پوشش میدهد. تمام پارامترهای کالیبراسیون در فلش داخلی ذخیره میشوند و از طریق SDK چند پلتفرمی کاملاً قابل خواندن هستند - پس از راهاندازی تجهیزات، نیازی به کالیبراسیون مجدد در محل نیست.
انعطافپذیری در استقرار
دو حالت عملیاتی برای پوشش همه سناریوهای تحقیقاتی پشتیبانی میشوند.
خروجی داده چند فرمتی استاندارد
۱. ضبط محلی روی کارت TF (ضبط آفلاین)
- فایلهای ویدیویی MP4 هماهنگشده برای دوربینهای دوچشمی چپ و راست برای پیشنمایش بصری سریع
- لاگهای CSV مستقل که دادههای خام IMU را همراه با مهرهای زمانی میکروثانیهای ذخیره میکنند
۲. ضبط روی کامپیوتر میزبان از طریق SDK (اتصال USB تحت محیط ROS/ROS2)
از خروجی گرفتن از مجموعه دادههای حسگر ROSbag و MCAP سبکوزن که بهطور کامل با اکوسیستمهای توسعه رباتیک رایج سازگار است، پشتیبانی میکند.
تمام مهرهای زمانی سختافزاری برای هر فریم و نمونه IMU تعبیه شدهاند. فایلهای کامل پارامترهای کالیبراسیون کارخانه از طریق SDK رسمی قابل دسترسی هستند.
نکته قابل توجه این است که این ماژول هیچ پردازش هوش مصنوعی یا عملکردهای حاشیهنویسی خودکار داخلی ندارد. وظیفه اصلی آن، خروجی دادههای خام حسگر تمیز و با زمانبندی مشخص است و آموزش مدل، تشخیص هدف و استنتاج الگوریتم را به خطوط توسعه مستقل محققان واگذار میکند.
سفارشیسازی و دسترسی تجاری
دوربین Ego اکنون برای آزمایشگاههای تحقیقاتی جهانی، استارتاپهای رباتیک و تولیدکنندگان رباتهای انساننما در دسترس است. فاصله پایه استریوی قابل تنظیم و پیکربندیهای میدان دید لنز برای پروژههای انبوه ODM پشتیبانی میشوند.
برای کاهش هزینههای یکپارچهسازی سختافزار، SDK فنی کامل، مستندات عملیاتی و کدهای آزمایشی نمونه برای هر سفارش ارائه میشود.
تماس بگیرید
اگر برای پروژه یادگیری ربات خود به نمونههای محصول، مستندات SDK، مشاوره پارامترهای فنی یا راهحلهای سختافزاری سفارشی نیاز دارید، لطفاً از طریق ایمیل درخواست خود را ارسال کنید. تیم مهندسی ما پشتیبانی فنی انفرادی را برای پروژههای جمعآوری مجموعه دادههای SLAM، VIO و هوش مصنوعی تجسمیافته ارائه میدهد.
زمان ارسال: ۲۹ ژوئیه ۲۰۲۶
