Phyzicalorg/Phyzical_org

解決的問題

Phyzical 提供了一種無需實體硬體或專業知識即可收集大規模人類示範資料的方法，用於機器人訓練。使用者可透過網頁瀏覽器遠端操作模擬機器人臂，產生高頻率（30–60Hz）的軌跡資料，可用於訓練視覺-語言-動作（VLA）模型與模仿學習策略。

如何運作

使用者透過 Unity WebGL 在瀏覽器中與模擬環境互動，拖曳機器人的末端執行器，逆運動學（IK）自動處理關節運動。平台將這些會話記錄為包含關節位置、末端執行器姿態與物件姿態的「episode」（片段）。

這些資料隨後透過以下流程處理：

1. 收集：瀏覽器遠端操作（人類）、腳本巡邏（自動）、或基於映射果蠅神經系統控制器（Fly）。
2. 轉換：轉換器將這些片段轉換為與 elizaOS 機器人堆疊相容的 SQLite trajectory_db 格式。
3. 溯源：片段資料透過區塊鏈錨定，用於追蹤貢獻者與內容雜湊值。

適用對象

• AI 研究人員：正在訓練 VLA 模型或使用模仿學習/強化學習訓練具身智能體的研究者。
• 機器人資料貢獻者：無需專業知識，可透過瀏覽器提供示範的非專家使用者。
• 智能體機器人堆疊：使用 elizaOS 的開發者，需要高品質人類示範資料來預熱其策略。

亮點

• 零安裝前端：遠端操作完全在瀏覽器中進行。
• 與 elizaOS 集成：直接相容 elizaOS trajectory_db，可無縫整合至訓練流程中。
• Fly 控制器：基於雄性果蠅中樞神經系統連接圖的實驗性控制器，可產生非人類、具反應性的軌跡。
• 鏈上溯源：利用區塊鏈驗證訓練片段的身份與來源。