Grabette: Hệ thống mở ghi lại dữ liệu robot không cần robot, mở cửa cho cộng đồng xây dựng dataset chung

Giải pháp thực tiễn cho chỉ chính của robot learning

Robot learning đang đối mặt một nghịch lý: các kiến trúc policy hiện đại (transformer-based VLAs, diffusion policies, thậm chí world models) và GPU huấn luyện không thiếu, nhưng lại thiếu một thứ quan trọng nhất — dữ liệu thao tác đa dạng, thực tế. Teleoperating robot để thu thập dữ liệu không chỉ tốn kém mà còn yêu cầu thiết bị chuyên dụng, nhân lực, và khó scale với đa dạng các tác vụ và môi trường.

Hôm nay, Pollen Robotics vừa công bố Grabette, một hệ thống ghi lại dữ liệu thao tác dành cho mọi người. Ý tưởng đơn giản nhưng mạnh mẽ: thay vì cần robot, chỉ cần tay người, một gripper, camera, và khả năng khôi phục quỹ đạo 6-DoF của tay. Bấm nút ghi, biểu diễn tác vụ bằng tay — xong, bạn đã có dữ liệu robot có thể học.

Cấu trúc phần cứng và quy trình hai bước

Grabette là một gripper cầm tay được trang bị đầy đủ để tái dựng một demonstration. Nó sở hữu hai camera với chức năng khác nhau: fisheye góc rộng cung cấp tầm nhìn rộng cho policy (kiểu wrist-camera), còn camera RGBD đảm nhận phần chính là tracking 6-DoF mạnh mẽ. Bên cạnh đó là IMU và magnetic encoders. Tổng chi phí vật liệu (BOM) chỉ khoảng 490€, và hoàn toàn có thể tự lắp ráp từ các linh kiện tiêu chuẩn mua được ngoài thị trường: Raspberry Pi, Pi camera, OAK-D depth camera.

Khi làm việc, Grabette cần Gripette — phiên bản được trang bị motor của gripper robot, cũng có camera và hai servo motor (BOM ~120€), để thực thi những gì robot đã học. Toàn bộ hardware được thiết kế mã nguồn mở, không có pipeline đóng kín hay lock-in.

Quy trình ghi dữ liệu gồm hai bước đơn giản. Bước 1 — Ghi: Bấm nút, dữ liệu từ camera quan sát, camera tracking (màu sắc, độ sâu, IMU), và giá trị encoder gripper được ghi đồng thời, đồng bộ hoá bằng một clock dùng chung. Bấm lại để kết thúc episode, dữ liệu được lưu trên Raspberry Pi. Bước 2 — Xử lý: Mở Grabette dashboard trên trình duyệt, chọn các episode cần đưa vào dataset, rồi kích hoạt xử lý tự động. Các episode được upload lên Hugging Face Hub, không gian grabette-slam chạy SLAM bằng thư viện RTAB-MAP để xác minh quỹ đạo chính xác (không nhảy hoặc mất tracking), chuyển đổi sang định dạng LeRobot, và upload dataset mới. Tất cả đã sẵn sàng để huấn luyện.

Cảm hứng từ Stanford, khác biệt trong thực tiễn

Grabette lấy cảm hứng trực tiếp từ Universal Manipulation Interface (UMI) của Stanford — một gripper cầm tay với fisheye camera ghi demonstration "in the wild", khôi phục quỹ đạo camera bằng SLAM, và huấn luyện visuomotor policies từ chúng. UMI đã chứng minh công thức hoạt động. Các thiết bị closed-source khác tồn tại như MEgo gripper của Agibot, DAS gripper của Genrobot, hay skill capture glove của Sunday Robotics, nhưng Pollen Robotics hướng đến mục tiêu khác: làm cho việc sử dụng dễ dàng nhất, giảm thiểu rào cản từ "tôi có tác vụ" đến "tôi có mô hình đã huấn luyện".

Grabette được xây dựng dựa trên hệ sinh thái mở hiện đại: LeRobot cho datasets, Hugging Face Hub để chia sẻ, và pipeline xử lý chạy trực tiếp từ trình duyệt không cần cài đặt gì. Điểm khác biệt lớn nhất là sự mở — bất cứ ai cũng có thể lắp ráp trên bàn làm việc, sử dụng ngoài thực địa, và đóng góp dữ liệu.