phospho-app/phosphobot

解決する課題

Phosphoは、物理的なロボットハードウェアとAIモデルの間のギャップを埋める統合されたソフトウェアスタックを提供します。遠隔操作による動きデータの記録、Vision-Language-Action (VLA) モデルのトレーニング、そしてそのモデルをロボットにデプロイして自律制御を実現するという複雑なプロセスを簡素化します。

動作方法

このシステムは、Webベースのダッシュボードを持つサーバーとして動作し、さまざまなロボットハードウェアやカメラに接続できます。ユーザーはキーボード、ゲームパッド、リーダーアーム、またはMeta Questヘッドセットを使ってロボットを操作し、特定のタスクのデータセットを記録できます。このデータは、Webアプリまたはカスタムコードを通じて、ACT、smolVLA、π0.5、gr00t-n1.5などのアクションモデルをトレーニングするために使用されます。トレーニングが完了すると、モデルはHugging Faceにエクスポートされ、ダッシュボードまたはPython APIを通じてロボットを自律的に制御するのに使用できます。

対象ユーザー

ロボット開発者やAI研究者が、全体のインフラをゼロから構築せずに、迅速にデータを収集し、VLAモデルをトレーニングしたい場合に最適です。また、SO-100、SO-101、Unitree Go2など、サポートされているロボットのユーザーにも適しています。

特徴

• マルチデバイス遠隔操作: ヘッドセット、ゲームパッド、キーボード、リーダーアームによる制御をサポート。
• VLAモデル統合: ACTやgr00t-n1.5などのモデルに対してワンクリックでトレーニング可能。
• 広範なハードウェア対応: SO-100、Unitree Go2、AgileX Piperなどさまざまなロボットと、深度カメラ、ステレオカメラ、通常のカメラなど、ほとんどのカメラタイプに対応。
• エコシステム互換性: LeRobotおよびHugging Faceと完全に互換性があります。
• シミュレーション環境: 物理的なハードウェアなしでテストできる完全にアクセス可能なシミュレーション環境を備えています。