OpenVLA (2) 机器人环境和数据_openvla数据集

文章目录

• • @[TOC](文章目录)
• 前言
• 1 BridgeData V2
• • 1.1 概述
  • 1.2 硬件环境
• 2 数据集
• • 2.1 场景与结构
  • 2.2 数据结构
  • • 2.2.1 images0
    • 2.2.2 obs_dict.pkl
    • 2.2.3 policy_out.pkl
• 3 close question
• • 3.1 英伟达环境
  • 3.2 LIBERO 环境更适合仿真
• 4 实验

前言

按照笔者之前的行业经验, 数据集的整理是非常重要的, 因此笔者这里增加原文中出现的几个数据集和环境的学习

---

1 BridgeData V2

1.1 概述

skill 例如:抓取(pick), 放置(place), 推动(pushing), 清扫(sweeping), 堆叠(stacking), 折叠(folding)
trajectories 就是action集合:

其中数据集合结构图如下:

图像分辨率：640×480

1.2 硬件环境

BridgeData的整体环境如图:

其中所有的硬件(包括支架, 导轨,工件 等等)描述链接如下:
https://docs.google.com/document/d/1si-6cTElTWTgflwcZRPfgHU7-UwfCUkEztkH3ge5CGc/edit?pli=1&tab=t.0

该平台主要的内容:
一个固定视角(over-the-shoulder) 的RGBD（Intel D435），
一个固连在机器人腕部的RGB（custom Raspberry Pi），
两个可变视角RGB（Logitech C920），在数据采集过程中会被更改。

我们关心的机械臂和摄像头参数如下:

但是要注意的是openVLA没有用腕部摄像头(原因是方便 PK 其他工作), 因此只用了第三人视角的摄像头

2 数据集

2.1 场景与结构

可以看到数据集合总共有两种

类型 说明 Human demonstrations 人类通过遥操作（如鼠标/VR 手柄）控制机器人执行任务，系统记录图像、指令和动作 Scripted policies 开发者用 Python/控制代码编写一套“规则程序”，在给定场景中自动执行任务，比如：“如果检测到杯子在桌面中心，则移动 gripper 到目标点并下降”

数据结构如下图, 其中每个traj_group 都是相同场景,固定部分摆件,然后制造数据

再升一级目录,我们可以看到 相同的场景,不同的拍摄时间对应不同的 摆件,而不是控制部分不同的摆件

我们, 再进入raw 数据,可以看到bridge_data的场景结构

其中这里作者还为数据的正确性做了验证放了一张diagnostics.png 图片以显示当前 通过脚本给定数据的正确性.

名称 意义 数据来源 xpos 实际执行到的位置 通过机器人反馈采集，每一帧记录 despos 计划中的目标位置 来自控制策略（如 scripted policy）或人类操作输入

2.2 数据结构

每一组数据里都包含三个文件:

2.2.1 images0

images0 是用于ViT的一组图片, obj_dict 是场景信息

可以看出就是完成一个 trajetory的过程.

2.2.2 obs_dict.pkl

键名 含义 joint_effort 每个关节的施加力矩（关节力） qpos 关节位置（Joint Position） qvel 关节速度（Joint Velocity） full_state 完整状态向量（包含位姿、关节等） state 简化状态（可能是观测空间状态） desired_state 控制器期望状态（即 despos 源） time_stamp 每帧时间戳 eef_transform End-Effector 的变换矩阵（即 gripper 位姿） high_bound / low_bound 状态空间上下界 env_done 当前帧是否终止（布尔） t_get_obs 获取观测时耗（调试用）

其中
eef_transform代表的是 gripper 的六自由度位姿变换矩阵（通常是 4x4），可以从中提取出：
(1) 平移向量（x, y, z） 即我们要的 xpos
(2) 旋转矩阵 , 可进一步转为欧拉角（roll, pitch, yaw）

2.2.3 policy_out.pkl

索引 含义 示例值 说明 [0:3] Δx, Δy, Δz -0.012, 0.037, 0.004 空间位置变化向量（平移动作） [3:6] Δroll, Δpitch, Δyaw 0.0043, -0.0037, -0.8251 欧拉角空间的姿态微调（旋转动作） [6] gripper_open 1 or 0 夹爪开闭指令（1 表示张开，0 表示闭合）

我这条case 共计49组,这张图是记录了 xyz的运动轨迹

这张图分析了 爪子夹取东西的时间分布图.

3 close question

3.1 英伟达环境

Can anyone provide a tutorial on how to use OpenVLA to control a robotic arm?

3.2 LIBERO 环境更适合仿真

In SimplerENV, select google robot or WidowX, unnorm_key=bridge_orig, the effect is not good, can not complete the task.
Status: Closed (completed).
#84 In openvla/openvla;· by zhou-pig was closed on Sep 5, 2024

运行方法见我的仓库:https://github.com/MexWayne/mexwayne_openvla

4 实验

本章节,主要点:

• 和已有工作进行比较
• 是否可以在一个 新的 机器人上, 有效的 fine tune
• parameter-efficient fine-tuning（PEFT）和 量化