W miarę jak proces uczenia się robotów przenosi się z kontrolowanych warunków laboratoryjnych do środowisk rzeczywistych, pojawia się jedno wąskie gardło: zbieranie danych.
Teleoperacja jest precyzyjna, ale powolna. Kamery z perspektywy trzeciej osoby nie rejestrują punktu widzenia operatora. Konsumenckim kamerom sportowym brakuje synchronizacji sensorów, wymaganej przez nowoczesne technologie uczenia imitacyjnego i VIO.
W przestrzeń wkracza nowa opcja sprzętowa. Nasza kamera Ego to noszona na głowie lornetka stereoskopowa, zaprojektowana specjalnie do egocentrycznego zbierania danych w badaniach nad ucieleśnioną sztuczną inteligencją i manipulacją robotami.
Punkt widzenia pasujący do robota
Moduł jest noszony na głowie człowieka – niczym lekka opaska – i rejestruje dokładnie to, co operator widzi podczas wykonywania zadania. Ta pierwszoosobowa (egocentryczna) perspektywa stała się kluczowym tematem najnowszych badań nad robotyką.
Badania na dużą skalę przeprowadzone w latach 2025–2026 – w tym HumanEgo, EgoMimic i EgoScale – wykazały, że strategie robotów trenowane na podstawie nagrań wideo o charakterze egocentrycznym wobec człowieka mogą dorównywać lub przewyższać strategie trenowane na podstawie danych z teleoperacji, przy ułamku kosztów ich gromadzenia. Perspektywa ma znaczenie: robot po uruchomieniu widzi świat za pomocą własnych czujników pokładowych, a nie z sufitu czy statywu.
Nasza kamera Ego została zaprojektowana tak, aby zniwelować tę lukę, dostarczając dane szkoleniowe odpowiadające rzeczywistemu punktowi widzenia robota, eliminując niedopasowanie perspektywy w przypadku szkolenia modelu.
Projektowanie czujników dla rurociągów badawczych
Czujniki stereo z globalną migawką
Moduł kamery wykorzystuje dwa czujniki z globalną migawką o rozdzielczości 2 MP i poziomym polu widzenia 60–65°, co jest zgodne ze standardowym polem widzenia modułów wizyjnych głów robotów humanoidalnych. Globalna migawka to celowy wybór konstrukcyjny: każdy piksel naświetla się jednocześnie, całkowicie eliminując zniekształcenia galaretowate, które zakłócają szybkie ruchy rąk i ciała podczas dynamicznego nagrywania.
Zachowywanie surowych danych (bez EIS)
Celowo usuwamy wbudowaną elektroniczną stabilizację obrazu EIS. EIS przycina oryginalne pole widzenia i modyfikuje fabrycznie skalibrowane parametry wewnętrzne i zewnętrzne, co mogłoby zaburzyć dopasowanie stereo i spójność kalibracji kamery i IMU. Surowe, pełnoklatkowe dane źródłowe są zarezerwowane na potrzeby przetwarzania algorytmu robota.
Synchronizacja sprzętowa mikrosekund
Wbudowany 6-osiowy układ IMU ICM-2688 (akcelerometr + żyroskop, próbkowanie z częstotliwością 200–500 Hz) jest synchronizowany za pomocą dedykowanego sygnału wyzwalającego GPIO. Zunifikowany sygnał impulsowy przesyłany przez piny GPIO wyzwala jednocześnie próbkowanie kamer stereo i układu IMU. Błąd synchronizacji wynosi poniżej 10 mikrosekund, a każda klatka wideo i próbka układu IMU posiadają zunifikowany sprzętowy znacznik czasu.
Ten poziom synchronizacji jest obowiązkowym standardem dla głównych potoków VIO, takich jak VINS‑Fusion i OpenVINS, w których wyrównanie znaczników czasu wyłącznie na poziomie oprogramowania powoduje akumulację oczywistego dryfu trajektorii w długich sekwencjach nagrywania.
Przechowywanie kalibracji na pokładzie
Pełna kalibracja fabryczna obejmuje parametry wewnętrzne i zewnętrzne stereo oraz transformacje kamera-IMU. Wszystkie parametry kalibracji są przechowywane w pamięci Flash i w pełni odczytywalne za pomocą wieloplatformowego zestawu SDK — po uruchomieniu sprzętu nie jest wymagana ponowna kalibracja na miejscu.
Elastyczność wdrażania
Obsługiwane są dwa tryby operacyjne obejmujące wszystkie scenariusze badawcze.
Standardowe wyjście danych wieloformatowych
1. Nagrywanie lokalne na karcie TF (nagrywanie offline)
- Zsynchronizowane pliki wideo MP4 dla lewego i prawego lornetki umożliwiające szybki podgląd wizualny
- Niezależne dzienniki CSV przechowujące surowe dane IMU połączone z mikrosekundowymi znacznikami czasu
2. Nagrywanie na komputerze hosta za pomocą SDK (połączenie USB w środowisku ROS/ROS2)
Obsługuje eksportowanie kompletnych, zsynchronizowanych zestawów danych czujników ROSbag i lekkich MCAP, w pełni kompatybilnych z głównymi ekosystemami rozwoju robotyki.
Wszystkie sprzętowe znaczniki czasu są osadzone dla każdej ramki i próbki IMU. Pełne pliki parametrów kalibracji fabrycznej są dostępne za pośrednictwem oficjalnego pakietu SDK.
Co istotne, moduł nie posiada wbudowanych funkcji przetwarzania AI ani automatycznej adnotacji. Jego głównym zadaniem jest generowanie czystych, wyrównanych czasowo surowych danych z czujników, pozostawiając trenowanie modeli, wykrywanie celów i wnioskowanie algorytmiczne niezależnym procesom badawczym.
Dostosowanie i dostępność komercyjna
Kamera Ego jest już dostępna dla globalnych laboratoriów badawczych, startupów robotyki i producentów robotów humanoidalnych. W przypadku projektów ODM (masowych) obsługiwane są konfigurowalne konfiguracje odległości bazowej stereo i pola widzenia obiektywu.
Do każdego zamówienia dołączamy pełny pakiet techniczny SDK, dokumentację operacyjną i przykładowe kody testowe, co pozwala nam obniżyć koszty integracji sprzętu.
Skontaktuj się z nami
Jeśli potrzebujesz próbek produktów, dokumentacji SDK, konsultacji w zakresie parametrów technicznych lub niestandardowych rozwiązań sprzętowych do swojego projektu uczenia robotów, wyślij zapytanie e-mailem. Nasz zespół inżynierów oferuje indywidualne wsparcie techniczne dla projektów gromadzenia danych SLAM, VIO i ucieleśnionej sztucznej inteligencji.
Czas publikacji: 29 lipca 2026 r.
