Phyzicalorg/Phyzical_org

解決する課題

Phyzicalは、物理的なハードウェアや専門的な知識を必要とせずに、ロボットの訓練のための大規模な人間のデモンストレーションデータを収集する方法を提供します。ユーザーはウェブブラウザ経由でシミュレートされたロボットアームを遠隔操作でき、30–60Hzの高頻度の軌道データを生成し、Vision-Language-Action (VLA) モデルや模倣学習ポリシーの訓練に使用できます。

動作方法

ユーザーはUnity WebGLを用いてブラウザ内でシミュレート環境と対話し、ロボットのエンドエフェクターや逆運動学（IK）ハンドルをドラッグすることで操作します。プラットフォームはこれらのセッションをエピソードとして記録し、関節位置、エンドエフェクターの姿勢、オブジェクトの姿勢を含みます。

このデータは以下のパイプラインで処理されます：

1. 収集：ブラウザベースの遠隔操作（人間）、スクリプトによる巡回（自動）、またはマッピングされた果実蝇神経系コントローラー（Fly）。
2. 変換：コンバーターがこれらのエピソードを、elizaOSロボティクススタックと互換性のあるSQLite trajectory_db 形式に変換します。
3. 出典追跡：エピソードデータはブロックチェーン上にアンカー化され、貢献者とコンテンツハッシュを追跡します。

対象ユーザー

• AI研究者：VLAモデルの訓練や、身体的なエージェント向けの模倣学習／強化学習に取り組んでいる人。
• ロボットデータ貢献者：専門知識がなくても、ブラウザ経由でデモンストレーションを提供できる非専門家。
• エージェントロボットスタック：elizaOSを使用している開発者で、ポリシーの初期化に高品質な人間のデモンストレーションデータが必要な人。

特徴

• インストール不要のフロントエンド：遠隔操作は完全にブラウザ内で実行されます。
• elizaOS統合：elizaOS trajectory_db と直接互換性があり、スムーズな訓練パイプライン統合が可能。
• Flyコントローラー：マレクンズ果実蝇の接続体マップに基づく実験的コントローラーで、人間とは異なる反応性のある軌道を生成します。
• ブロックチェーン上での出典追跡：ブロックチェーンを活用して、トレーニングエピソードの身元と出典を検証します。