➡️ GitHub
브라우저 기반 텔레오퍼레이션은 로봇 데이터 생성에서 가장 확장성 높은 경로 중 하나입니다
하지만 인간이 입력한 원시 데이터는 아직 바로 모델 학습에 사용할 수 있는 상태가 아닙니다
🔘멈춤 구간
🔘미세한 떨림
🔘낮고 불규칙한 프레임 율
즉, 원시 웹 데이터만으로는 안정적인 정책 학습을 하기 어렵습니다
아래는 저희 백엔드가 이런 노이즈가 많은 인간 시연 데이터를 어떻게 후속 정책 학습에 활용 가능한 트래젝토리로 바꾸는지에 대한 설명입니다
🔘 필터
인간 조작자는 망설이거나 잠시 멈추는 겅유가 많습니다
저희는 액션 시퀀스를 프레임 단위로 평가해, 절대 관절 변화량이 0.005 미만인 프레임은 자동으로 제거합니다
또한 물리적으로 말이 되지 않는 상태 불연속성이 있는 궤적도 제외합니다
이를 통해 단순 대기 동작이 학습 신호를 과도하게 차지하지 않도록 합니다
🔘 떨림제거
텔레오퍼레이션 데이터에는 자연스럽게 손의 미세한 흔들림이 포함됩니다
저희는 로봇의 관절 궤적(그리퍼 제외)에 필터를 적용해, 이런 고주파 노이즈를 제거합니다
실제로 이 과정을 거치면 평균 가속도는 0.21 > 0.10, 평균 jerk는 2.79 > 1.47로 절반이상 감소합니다
🔘 재정렬
브라우저 인터페이스는 일반적으로 6~8 Hz 정도의 낮은 샘플링 레이트로 데이터를 기록하는데, 이는 실제 로봇 제어에 사용하기에는 충분하지 않습니다
그래서 저희는 3차 스플라인 보간을 사용해 로봇상태와 오브젝트 상태를 모두 업샘플링하고, 안정적인 20Hz 제어 그리드에 시간적으로 정렬합니다
🔘 벨리데이트
움직임이 아무리 깔끔해져도, 실제로 태스크를 완료하지 못하면 의미가 없습니다
그래서 저희는 스무딩 및 리샘플링이 끝난 궤적을 다시 태스크별 체커에 넣어 검증합니다
기하학적 제약과 오프젝트 상호작용을 평가함으로써, 최적화된 경로가 원래 목표를 물리적으로 실제 달성하는지 보장합니다
더 나은 데이터 품질은 곧 더 나은 후속 정책 성능으로 이어집니다
Axis 데이터 클리닝 파이프라인은 원시 시연 데이터를 깨끗하고, 밀도 높고, 학습가능한 궤적으로 바꿔줌으로써,
확장 가능한 웹 텔레오퍼레이션과 로봇 학습을 연결하는 다리 역할을 합니다
➡️웹인프라
➡️태스크젠
Axis X | Axis 한국 공지 채널 | Axis 한국 채팅방
» Axis Hub