Agility A2 VR Teleoperation VLA Suite: Platform Multi-Model untuk Penelitian AI Berbasis Tubuh dan Pembelajaran Robot

Seiring dengan terus berkembangnya AI yang terintegrasi dari simulasi ke tugas-tugas robot di dunia nyata, para peneliti dan pengembang membutuhkan lebih dari sekadar lengan robot. Mereka membutuhkan platform lengkap yang dapat mengumpulkan data berkualitas tinggi, mendukung berbagai model VLA (Virtual Learning Analysis), dan membantu memvalidasi alur kerja pembelajaran robot di lingkungan nyata.

Agility A2 VR Teleoperation VLA Suite dirancang untuk tujuan ini. Perangkat ini menggabungkan manipulasi robotik lengan ganda, teleoperasi VR imersif, visi 3D multi-kamera, akuisisi data yang disinkronkan, dan alur kerja perangkat lunak yang siap untuk VLA. Lebih penting lagi, perangkat ini mendukung berbagai opsi model VLA, termasuk ACT, SmoLVLA, Pi0, Pi0.5, dan XVLA, memberikan fleksibilitas lebih bagi peneliti dan pengembang untuk melakukan eksperimen AI yang terwujud.

Masalah apa yang dipecahkan oleh Agility A2 VLA Suite?

Banyak tim robotika menghadapi tantangan yang sama: mereka memiliki model AI, alat simulasi, atau ide penelitian, tetapi mereka kekurangan platform robotik praktis untuk pengumpulan data dunia nyata dan validasi model.

Model VLA membutuhkan masukan visual, data status robot, data aksi, dan eksekusi tugas nyata. Jika perangkat keras, kamera, sistem kontrol, dan alur kerja perangkat lunak tidak terintegrasi dengan baik, para peneliti mungkin menghabiskan terlalu banyak waktu untuk membangun infrastruktur daripada menguji ide-ide.

Agility A2 VR Teleoperation VLA Suite membantu mengatasi masalah ini dengan menyediakan platform lengan ganda terintegrasi untuk teleoperasi, pengumpulan data, pembelajaran imitasi, pelatihan VLA, dan inferensi waktu nyata. Ini memungkinkan tim untuk bergerak lebih cepat dari demonstrasi manusia ke pembelajaran robot dan dari pengujian model ke eksekusi tugas.

Model VLA apa saja yang didukungnya?

Salah satu keunggulan utama dari Agility A2 VLA Suite adalah dukungannya terhadap berbagai model VLA. Sesuai dengan struktur model VLA yang didukung, sistem ini dapat bekerja dengan:

ACT — Default
SmoLVLA — Opsional
Pi0 — Opsional
Pi0.5 — Opsional
XVLA — Opsional

Ini berarti pengguna dapat memulai dengan ACT sebagai model inferensi default, sekaligus memiliki fleksibilitas untuk mengeksplorasi model VLA lainnya tergantung pada arah penelitian, konfigurasi komputasi, dan persyaratan tugas mereka.

Bagi laboratorium riset, universitas, dan perusahaan rintisan robotika, dukungan multi-model ini sangat penting. Model yang berbeda mungkin berkinerja lebih baik dalam tugas yang berbeda, seperti menggenggam, mengambil, menempatkan, melipat, menggunakan alat, atau manipulasi jangka panjang. Alih-alih terbatas pada satu alur kerja model, pengguna dapat membandingkan, memvalidasi, dan mengembangkan berbagai pendekatan berbasis VLA pada platform robot yang sama.

Bagaimana ACT Mendukung Validasi Alur Kerja VLA yang Cepat?

ACT didukung sebagai model default, sehingga cocok untuk pengguna yang ingin segera memulai inferensi VLA dan validasi tugas.

Bagi tim yang baru mengenal AI berbasis wujud atau robotika berbasis VLA, opsi model default sangat berguna. Ini mengurangi hambatan pengaturan awal dan menyediakan titik awal praktis untuk mengumpulkan demonstrasi, melatih kebijakan perilaku, dan menguji tindakan robot.

Dengan ACT, pengguna dapat fokus pada tugas manipulasi dasar seperti menggenggam, memindahkan objek, mengambil dan menempatkan, melipat, atau alur kerja perakitan sederhana. Hal ini membuatnya cocok untuk laboratorium pengajaran, kursus robotika AI, dan validasi bukti konsep tahap awal.

Bagaimana Model VLA Opsional Memperluas Kemungkinan Penelitian?

Meskipun ACT menyediakan titik awal yang kuat, pengguna tingkat lanjut mungkin memerlukan fleksibilitas model yang lebih besar. Di sinilah dukungan opsional untuk SmoLVLA, Pi0, Pi0.5, dan XVLA menjadi berharga.

SmoLVLA dapat digunakan oleh tim yang mengeksplorasi alur kerja VLA yang ringan atau efisien. Pi0 dan Pi0.5 menyediakan opsi tambahan untuk bereksperimen dengan struktur model VLA yang lebih baru dan strategi eksekusi tugas. XVLA menawarkan arah opsional lain bagi pengguna yang ingin menguji berbagai kemampuan visi-bahasa-aksi dalam skenario manipulasi robot.

Nilai dari model opsional ini bukan hanya tentang variasi model. Ini memberi pengguna cara untuk membandingkan kinerja di berbagai tugas, kumpulan data, dan strategi kontrol. Laboratorium universitas dapat menggunakan platform ini untuk perbandingan model. Perusahaan rintisan dapat menggunakannya untuk menguji model mana yang lebih cocok untuk aplikasi komersial. Tim R&D industri dapat menggunakannya untuk memvalidasi apakah model VLA dapat menangani tugas berulang tertentu dalam lingkungan yang terkontrol.

Mengapa Dukungan Multi-Model Penting untuk AI yang Terwujud?

AI yang terintegrasi dengan tubuh masih berkembang pesat. Tidak ada satu model pun yang dapat menyelesaikan setiap tugas robotik dengan sempurna. Model yang berkinerja baik dalam satu tugas mungkin bukan pilihan terbaik untuk tugas lainnya.

Sebagai contoh, satu model mungkin lebih baik untuk tugas pengambilan dan penempatan dengan jangka waktu pendek, sementara model lain mungkin lebih cocok untuk rangkaian yang lebih kompleks yang melibatkan pemahaman visual, interaksi objek, dan perencanaan tindakan berkelanjutan.

Dengan mendukung ACT, SmoLVLA, Pi0, Pi0.5, dan XVLA, Agility A2 VLA Suite memberi para peneliti lebih banyak ruang untuk bereksperimen. Pengguna dapat mengumpulkan data sekali, menguji berbagai alur kerja model, dan mengevaluasi kinerja setiap model dalam kondisi robotika nyata.

Hal ini menjadikan platform ini sangat cocok untuk penelitian AI yang berwujud, pembelajaran imitasi, pelatihan VLA, eksperimen pembelajaran robot, dan validasi simulasi ke dunia nyata.

Bagaimana Teleoperasi VR Membantu Pengumpulan Data VLA?

Pembelajaran robot berkualitas tinggi dimulai dengan data demonstrasi berkualitas tinggi. Agility A2 VLA Suite menggunakan teleoperasi VR untuk memungkinkan pengguna mengontrol robot lengan ganda dengan cara yang lebih alami dan imersif.

Dengan headset VR, operator dapat memandu robot melalui tugas-tugas sementara sistem merekam data visual yang tersinkronisasi, data status robot, dan data tindakan. Alur kerja ini sangat berguna untuk pembelajaran imitasi, di mana robot belajar dari demonstrasi manusia.

Dibandingkan dengan metode kontrol tradisional, teleoperasi VR dapat membuat pengumpulan demonstrasi menjadi lebih intuitif. Operator dapat memandu kedua lengan, mengamati lingkungan tugas, dan menghasilkan data tugas untuk pelatihan dan inferensi selanjutnya.

Bagi penelitian VLA, hal ini menciptakan jembatan praktis antara pengoperasian manusia dan pembelajaran robot otonom.

Bagaimana Visi 3D Multi-Kamera Meningkatkan Pembelajaran Robot?

Model VLA sangat bergantung pada informasi visual. Agility A2 VLA Suite mengintegrasikan pengaturan visi 3D multi-kamera, termasuk kamera kepala dan kamera pergelangan tangan, untuk menangkap ruang kerja dari berbagai perspektif.

Kamera kepala memberikan pandangan yang lebih luas terhadap lingkungan sekitar, sementara kamera pergelangan tangan memberikan informasi visual jarak dekat di dekat penjepit. Kombinasi ini berguna untuk tugas manipulasi di mana pemahaman adegan secara global dan interaksi objek lokal sama-sama penting.

Sebagai contoh, ketika robot mengambil suatu objek, kamera kepala dapat membantu memahami keseluruhan adegan, sementara kamera pergelangan tangan dapat menangkap umpan balik visual terperinci di dekat objek target. Data RGB-D yang tersinkronisasi semacam ini dapat mendukung pelatihan VLA yang lebih akurat dan inferensi waktu nyata yang lebih andal.

Bagaimana Peneliti Dapat Menggunakan Platform Ini?

Agility A2 VLA Suite dapat mendukung alur kerja AI terintegrasi secara lengkap:

Pertama, pengguna mengendalikan robot melalui teleoperasi VR dan melakukan tugas manipulasi nyata. Kemudian, sistem menangkap data yang disinkronkan, termasuk input kamera, gerakan robot, dan informasi aksi. Setelah itu, data yang terkumpul dapat diproses melalui pipeline VLA untuk pembelajaran imitasi, pelatihan model, dan pengujian inferensi. Terakhir, model yang terlatih dapat diterapkan kembali ke robot untuk eksekusi tugas otonom.

Alur kerja ini membantu pengguna menguji apakah model VLA dapat beralih dari data demonstrasi ke perilaku robot nyata.

Tugas penelitian tipikal dapat mencakup pengambilan objek, penyortiran barang, pelipatan, perakitan, penyisipan, pengangkutan, penempatan di rak, dan eksperimen manipulasi dua lengan lainnya.

Apa yang Membuat Agility A2 Cocok untuk Manipulasi Dua Lengan?

Banyak tugas di dunia nyata membutuhkan dua tangan. Melipat kain, memindahkan benda, menstabilkan barang, membuka kemasan, mengatur benda, atau merakit komponen seringkali membutuhkan kontrol bimanual yang terkoordinasi.

Platform Agility A2 dirancang dengan lengan robot ganda 7-DOF, memungkinkan manipulasi dua lengan seperti manusia. Hal ini membuatnya lebih cocok untuk penelitian AI yang terintegrasi dibandingkan dengan sistem lengan tunggal ketika tugas target membutuhkan kerja sama antara kedua lengan.

Untuk pelatihan VLA, data kedua lengan juga berharga karena memungkinkan model untuk mempelajari pola interaksi yang lebih kompleks. Alih-alih hanya mempelajari gerakan meraih atau menggenggam sederhana dengan satu lengan, sistem ini dapat mendukung alur kerja manipulasi yang lebih canggih yang melibatkan kedua lengan.

Platform ini dirancang untuk siapa?

Agility A2 VR Teleoperation VLA Suite cocok untuk universitas, laboratorium penelitian robotika AI, laboratorium pengajaran, tim R&D industri, dan perusahaan rintisan robotika tingkat lanjut.

Bagi universitas, platform ini dapat digunakan dalam mata kuliah AI yang berfokus pada perwujudan (embodied AI), eksperimen pembelajaran robot, dan proyek penelitian mahasiswa. Bagi laboratorium penelitian, platform ini menyediakan sarana praktis untuk pengujian model VLA, pembelajaran imitasi, dan studi manipulasi dunia nyata. Bagi perusahaan rintisan dan tim R&D, platform ini dapat mendukung validasi bukti konsep yang cepat sebelum membangun sistem robot yang lebih khusus.

Karena platform ini mendukung ROS2, NVIDIA Isaac, MoveIt, MuJoCo, Python, C++, URDF, VLA, dan pengembangan terkait IK, platform ini juga memberikan fleksibilitas lebih kepada pengembang untuk integrasi dan pengembangan sekunder.

Mengapa Memilih Platform Robot yang Siap VLA daripada Membangun dari Awal?

Membangun sistem robot VLA dari awal bisa memakan waktu. Tim perlu mengintegrasikan lengan robot, kamera, kontrol VR, akuisisi data, komunikasi, alat simulasi, perencanaan gerakan, dan alur kerja model AI.

Agility A2 VLA Suite mengurangi beban pengembangan ini dengan menawarkan platform yang lebih lengkap untuk pengumpulan data, teleoperasi, pelatihan, dan inferensi. Pengguna dapat menghabiskan lebih sedikit waktu untuk integrasi perangkat keras-perangkat lunak dasar dan lebih banyak waktu untuk kinerja model, desain tugas, kualitas dataset, dan validasi aplikasi.

Bagi tim yang mengerjakan AI yang terintegrasi, hal ini dapat secara signifikan meningkatkan efisiensi pengembangan.

Kesimpulan

Agility A2 VR Teleoperation VLA Suite lebih dari sekadar platform robot lengan ganda. Ini adalah sistem lengkap yang siap untuk penelitian, mencakup AI yang diwujudkan, pelatihan VLA, pembelajaran imitasi, dan manipulasi robot di dunia nyata.

Dengan ACT sebagai model default dan dukungan opsional untuk SmoLVLA, Pi0, Pi0.5, dan XVLA, platform ini memberikan fleksibilitas kepada para peneliti dan pengembang untuk mengeksplorasi berbagai alur kerja VLA pada satu sistem robotik terintegrasi.

Dengan menggabungkan teleoperasi VR, visi 3D multi-kamera, akuisisi data yang disinkronkan, manipulasi lengan ganda, dan alat pengembangan yang kompatibel dengan ROS2/NVIDIA Isaac, Agility A2 membantu mempercepat jalur dari demonstrasi manusia ke pembelajaran robot dan dari pengujian model AI ke eksekusi tugas di dunia nyata.

Bagi universitas, laboratorium penelitian, dan tim robotika yang mencari platform lengan ganda praktis yang siap untuk VLA, Agility A2 VR Teleoperation VLA Suite menyediakan fondasi yang kuat untuk tahap selanjutnya dari penelitian AI yang terwujud.