Phyzicalorg/Phyzical_org

解决的问题

Phyzical 提供了一种无需物理硬件或专业技能即可收集大规模人类示范数据的方法，用于机器人训练。用户可以通过网页浏览器远程操作模拟机器人臂，生成高频（30–60Hz）轨迹数据，可用于训练视觉-语言-动作（VLA）模型和模仿学习策略。

如何工作

用户通过 Unity WebGL 在浏览器中与模拟环境交互，拖动机器人的末端执行器，逆运动学（IK）自动处理关节运动。平台将这些会话记录为包含关节位置、末端执行器姿态和物体姿态的“episode”（片段）。

这些数据随后通过以下流程处理：

1. 收集：浏览器远程操作（人类）、脚本巡逻（自动）、或基于映射果蝇神经系统控制器（Fly）。
2. 转换：转换器将这些片段转换为与 elizaOS 机器人栈兼容的 SQLite trajectory_db 格式。
3. 溯源：片段数据通过区块链锚定，用于追踪贡献者和内容哈希值。

适用人群

• AI 研究人员：正在训练 VLA 模型或使用模仿学习/强化学习训练具身智能体的研究者。
• 机器人数据贡献者：无需专业知识，可通过浏览器提供示范的非专家用户。
• 智能体机器人栈：使用 elizaOS 的开发者，需要高质量人类示范数据来预热其策略。

亮点

• 零安装前端：远程操作完全在浏览器中进行。
• 与 elizaOS 集成：直接兼容 elizaOS trajectory_db，可无缝集成到训练流水线中。
• Fly 控制器：基于雄性果蝇中枢神经系统连接图的实验性控制器，可生成非人类的、具有反应性的轨迹。
• 链上溯源：利用区块链验证训练片段的身份和来源。