Phyzicalorg/Phyzical_org

해결하는 문제

Phyzical은 물리적 하드웨어나 전문 지식 없이도 대규모 인간의 시연 데이터를 수집할 수 있는 방법을 제공합니다. 사용자는 웹 브라우저를 통해 시뮬레이션된 로봇 팔을 원격 조작할 수 있으며, 30–60Hz의 고주파 궤적 데이터를 생성하여 Vision-Language-Action (VLA) 모델과 모방 학습 정책을 훈련하는 데 사용할 수 있습니다.

작동 방식

사용자는 Unity WebGL을 통해 브라우저 내에서 시뮬레이션 환경과 상호작용하며, 로봇의 종단 효과기와 역운동학(IK) 핸들을 드래그하여 조작합니다. 플랫폼은 이러한 세션을 에피소드로 기록하여 관절 위치, 종단 효과기 자세, 객체 자세를 포함합니다.

이 데이터는 다음 파이프라인을 통해 처리됩니다:

1. 수집: 브라우저 기반 원격 조작(사람), 스크립트 기반 순찰(자동), 또는 맵핑된 과일파리 신경계 컨트롤러(Fly).
2. 변환: 컨버터가 이러한 에피소드를 elizaOS 로보틱스 스택과 호환되는 SQLite trajectory_db 형식으로 변환합니다.
3. 출처 추적: 에피소드 데이터는 블록체인에 고정되어 기여자와 콘텐츠 해시를 추적합니다.

대상 사용자

• AI 연구자: VLA 모델 훈련 또는 몸을 가진 에이전트를 위한 모방 학습/강화 학습을 수행하는 사람.
• 로봇 데이터 기여자: 전문 지식 없이 브라우저를 통해 시연을 제공할 수 있는 비전문가.
• 에이전트 로봇 스택: elizaOS를 사용하고 있으며, 정책 초기화를 위해 고품질 인간 시연 데이터가 필요한 개발자.

주요 특징

• 설치 없이 사용 가능한 프론트엔드: 원격 조작은 완전히 브라우저 내에서 이루어집니다.
• elizaOS 통합: elizaOS trajectory_db와 직접 호환되어 훈련 파이프라인에 원활하게 통합됩니다.
• Fly 컨트롤러: 남성CNS 과일파리 연결체 지도 기반의 실험적 컨트롤러로, 인간과는 다른 반응형 궤적을 생성합니다.
• 블록체인 기반 출처 추적: 블록체인을 사용해 훈련 에피소드의 신원과 출처를 검증합니다.