जेव्हा रोबोटचे शिक्षण नियंत्रित प्रयोगशाळेतील वातावरणातून वास्तविक जगाच्या वातावरणात विस्तारते, तेव्हा एक अडचण सतत समोर येते: डेटा संकलन.
टेलिओपरेशन अचूक पण संथ असते. थर्ड-पर्सन कॅमेऱ्यांमध्ये ऑपरेटरचा दृष्टिकोन टिपला जात नाही. ग्राहक-स्तरीय ॲक्शन कॅमेऱ्यांमध्ये सेन्सर सिंक्रोनायझेशनचा अभाव असतो, जे आधुनिक इमिटेशन लर्निंग आणि व्हीआयओ पाइपलाइन्ससाठी आवश्यक असते.
या क्षेत्रात एक नवीन हार्डवेअर पर्याय येत आहे. आमचा 'इगो कॅमेरा' हा डोक्यावर घालण्याचा एक बायनोक्युलर स्टिरिओ कॅमेरा आहे, जो विशेषतः 'एम्बोडेड एआय' आणि 'रोबोट मॅनिप्युलेशन' संशोधनामध्ये आत्मकेंद्रित डेटा संकलनासाठी तयार करण्यात आला आहे.
रोबोटला जुळणारा दृष्टिकोन
हे मॉड्यूल मानवी डोक्यावर एका हलक्या वजनाच्या हेडबँडप्रमाणे घातले जाते आणि एखादे कार्य करत असताना ऑपरेटरला जे काही दिसते, त्याची तंतोतंत नोंद करते. हा प्रथम-पुरुषी (अहं-केंद्रित) दृष्टिकोन अलीकडील रोबोटिक्स संशोधनाचा एक प्रमुख केंद्रबिंदू बनला आहे.
२०२५ ते २०२६ मधील मोठ्या अभ्यासांनी — ज्यात HumanEgo, EgoMimic आणि EgoScale यांचा समावेश आहे — हे दाखवून दिले आहे की, मानवी स्वकेंद्रित व्हिडिओवर प्रशिक्षित केलेली रोबोट धोरणे, टेलिओपरेशन डेटावर प्रशिक्षित केलेल्या धोरणांइतकीच किंवा त्याहूनही चांगली कामगिरी करू शकतात, आणि तेही अत्यंत कमी संकलन खर्चात. दृष्टिकोन महत्त्वाचा आहे: जेव्हा रोबोट तैनात केला जातो, तेव्हा तो जगाला छतावरून किंवा ट्रायपॉडवर बसवलेल्या उपकरणातून नव्हे, तर स्वतःच्या अंतर्गत सेन्सर्समधून पाहतो.
आमचा इगो कॅमेरा ही दरी भरून काढण्यासाठी डिझाइन केलेला आहे, जो रोबोटच्या प्रत्यक्ष अनुमान दृष्टिकोनाशी जुळणारा प्रशिक्षण डेटा प्रदान करतो आणि मॉडेल प्रशिक्षणासाठी दृष्टीकोनातील विसंगती दूर करतो.
संशोधन पाइपलाइनसाठी सेन्सर डिझाइन
ग्लोबल-शटर स्टिरिओ सेन्सर्स
कॅमेरा मॉड्यूलमध्ये दोन ग्लोबल-शटर २ मेगापिक्सेल सेन्सर्स वापरले आहेत, ज्यांचे हॉरिझॉन्टल फील्ड ऑफ व्ह्यू (FOV) ६०-६५° आहे, जे ह्युमनॉइड रोबोट हेड व्हिजन मॉड्यूलच्या मानक FOV शी सुसंगत आहे. ग्लोबल शटर हा एक जाणीवपूर्वक केलेला मुख्य डिझाइनचा निर्णय आहे: प्रत्येक पिक्सेल एकाच वेळी एक्सपोज होतो, ज्यामुळे रोलिंग-शटर जेली डिस्टॉर्शन पूर्णपणे नाहीसे होते. हे डिस्टॉर्शन डायनॅमिक रेकॉर्डिंग दरम्यान हातांच्या आणि शरीराच्या जलद हालचालींना खराब करते.
कच्च्या डेटाचे जतन (ईआयएस नाही)
आम्ही जाणीवपूर्वक ऑनबोर्ड EIS इलेक्ट्रॉनिक इमेज स्टॅबिलायझेशन काढून टाकतो. EIS मूळ फील्ड ऑफ व्ह्यूला क्रॉप करते आणि फॅक्टरी-कॅलिब्रेटेड इंट्रिन्सिक व एक्सट्रिन्सिक पॅरामीटर्समध्ये बदल करते, ज्यामुळे स्टीरिओ मॅचिंग आणि कॅमेरा-IMU कॅलिब्रेशनमधील सुसंगतता बिघडते. रॉ फुल-फ्रेम ओरिजिनल डेटा बॅकएंड रोबोट अल्गोरिदम प्रोसेसिंगसाठी राखीव ठेवला जातो.
मायक्रोसेकंद हार्डवेअर सिंक्रोनाइझेशन
अंगभूत ICM-2688 ६-अक्षीय IMU (ॲक्सिलरोमीटर + जायरोस्कोप, २००-५०० Hz वर सॅम्पलिंग) एका समर्पित GPIO ट्रिगर सिग्नलद्वारे सिंक्रोनाइझ केले जाते. GPIO पिन्समधून पाठवलेला एक एकीकृत पल्स सिग्नल स्टिरिओ कॅमेऱ्यांना आणि IMU सॅम्पलिंगला एकाच वेळी ट्रिगर करतो. सिंक त्रुटी १० मायक्रोसेकंदांपेक्षा कमी आहे, आणि प्रत्येक व्हिडिओ फ्रेम व IMU सॅम्पलवर एक एकीकृत हार्डवेअर टाइमस्टॅम्प असतो.
VINS-Fusion आणि OpenVINS सारख्या मुख्य प्रवाहातील VIO पाइपलाइनसाठी सिंक्रोनायझेशनची ही पातळी एक अनिवार्य मानक आहे, जिथे केवळ सॉफ्टवेअरद्वारे केल्या जाणाऱ्या टाइमस्टॅम्प अलाइनमेंटमुळे दीर्घ रेकॉर्डिंग सिक्वेन्समध्ये स्पष्ट ट्रॅजेक्टरी ड्रिफ्ट जमा होतो.
ऑनबोर्ड कॅलिब्रेशन स्टोरेज
संपूर्ण फॅक्टरी कॅलिब्रेशनमध्ये स्टिरिओ इंट्रिन्सिक, एक्सट्रिन्सिक आणि कॅमेरा-टू-आयएमयू ट्रान्सफॉर्म्स यांचा समावेश असतो. सर्व कॅलिब्रेशन पॅरामीटर्स ऑनबोर्ड फ्लॅशमध्ये साठवले जातात आणि क्रॉस-प्लॅटफॉर्म SDK द्वारे पूर्णपणे वाचता येतात — उपकरण सुरू झाल्यानंतर जागेवर पुन्हा कॅलिब्रेशन करण्याची आवश्यकता नाही.
तैनाती लवचिकता
सर्व संशोधन परिस्थितींचा समावेश करण्यासाठी दोन कार्यप्रणाली समर्थित आहेत.
मानक बहु-स्वरूप डेटा आउटपुट
१. ऑनबोर्ड टीएफ कार्डवर स्थानिक रेकॉर्डिंग (ऑफलाइन कॅप्चर)
- त्वरित दृष्य पूर्वावलोकनासाठी डाव्या आणि उजव्या दुर्बिणीच्या सिंक्रोनाइझ केलेल्या MP4 व्हिडिओ फाइल्स.
- मायक्रोसेकंद टाइमस्टॅम्पसह जोडलेला IMU कच्चा डेटा साठवणारे स्वतंत्र CSV लॉग.
२. SDK द्वारे होस्ट PC वर रेकॉर्डिंग (ROS/ROS2 वातावरणात USB कनेक्शन)
संपूर्ण सिंक्रोनाइझ्ड ROSbag आणि लाइटवेट MCAP सेन्सर डेटासेट निर्यात करण्यास समर्थन देते, जे मुख्य प्रवाहातील रोबोटिक्स विकास इकोसिस्टमशी पूर्णपणे सुसंगत आहे.
प्रत्येक फ्रेम आणि IMU सॅम्पलसाठी सर्व हार्डवेअर टाइमस्टॅम्प अंतर्भूत केलेले आहेत. संपूर्ण फॅक्टरी कॅलिब्रेशन पॅरामीटर फाइल्स अधिकृत SDK द्वारे उपलब्ध आहेत.
विशेष म्हणजे, या मॉड्यूलमध्ये कोणतेही ऑनबोर्ड एआय प्रोसेसिंग किंवा ऑटो-ॲनोटेशन फंक्शन्स नाहीत. त्याचे मुख्य पोझिशनिंग म्हणजे स्वच्छ, वेळेनुसार जुळवलेला कच्चा सेन्सर डेटा आउटपुट करणे, आणि मॉडेल ट्रेनिंग, टार्गेट डिटेक्शन व अल्गोरिदम इन्फरन्स ही कामे संशोधकांच्या स्वतंत्र डेव्हलपमेंट पाइपलाइनवर सोडून देणे.
सानुकूलन आणि व्यावसायिक उपलब्धता
ईगो कॅमेरा आता जागतिक संशोधन प्रयोगशाळा, रोबोटिक्स स्टार्टअप्स आणि ह्युमनॉइड रोबोट उत्पादकांसाठी उपलब्ध आहे. मोठ्या ODM व्हॉल्यूम प्रकल्पांसाठी सानुकूल करण्यायोग्य स्टिरिओ बेसलाइन अंतर आणि लेन्स FOV कॉन्फिगरेशन समर्थित आहेत.
हार्डवेअर एकीकरणाचा खर्च कमी करण्यासाठी प्रत्येक ऑर्डरसोबत संपूर्ण तांत्रिक SDK, कार्यप्रणाली दस्तऐवज आणि नमुना चाचणी कोड पुरवले जातात.
संपर्क साधा
तुमच्या रोबोट लर्निंग प्रोजेक्टसाठी तुम्हाला प्रॉडक्ट सॅम्पल्स, SDK डॉक्युमेंटेशन, तांत्रिक पॅरामीटर सल्ला किंवा कस्टमाइज्ड हार्डवेअर सोल्यूशन्सची आवश्यकता असल्यास, कृपया ईमेलद्वारे चौकशी पाठवा. आमची इंजिनिअरिंग टीम SLAM, VIO आणि एम्बोडीड AI डेटासेट कलेक्शन प्रोजेक्ट्ससाठी वैयक्तिक तांत्रिक सहाय्य प्रदान करते.
पोस्ट करण्याची वेळ: जुलै-२९-२०२६
