Open-RAIL: Bindeleddet mellem AI-modeller og robotters bevægelser

En AI-model kan levere en plan for, hvordan en robot skal bevæge sig. Men planen kommer typisk som korte sekvenser af handlinger, mens robotten har brug for en løbende strøm af styrekommandoer. Open-RAIL er China Mobiles open source-lag mellem modellerne og robotternes hardware: Det skal få de to forskellige arbejdstakter til at hænge sammen. Det er bygget til både VLA-modeller, der omsætter synsindtryk og sprog til handlinger, og WAM-modeller, der kobler en forståelse af verden til handling. 69

Robotten skal ikke vente på næste beregning

Open-RAIL deler arbejdet mellem en server, der kører modelberegningen, og en klient ved robotten, der håndterer registrering af omgivelserne og udførelse. Observation, modelberegning og styring foregår asynkront. Robotten kan derfor udføre en sekvens af handlinger, mens modellen beregner den næste, i stedet for at standse ved hvert nyt svar. Udgivelsesomtaler angiver omkring 5–10 beregninger i sekundet for modellen mod 200–500 styringsopdateringer i sekundet for robotten. 36

At kommandoerne kommer uden pauser, er ikke nok: Bevægelsen kan stadig blive ujævn. Open-RAIL bruger derfor to trin til udjævning. Først dæmpes variationer inden for en handlingssekvens. Derefter flettes den næste sekvens ind i den bevægelse, robotten allerede er i gang med. Det tidligere VLA-RAIL-forskningsmanuskript beskriver metoden som et forsøg på at skabe kontinuitet i position, hastighed og acceleration, når sekvenserne mødes. Udjævningen ligger i udførelseslaget og kræver ikke ændringer i modellens vægte. 123

Én arbejdsgang, forskellige modeller og robotter

På robotsiden giver et let hardware-abstraktionslag softwaren fælles måder at aflæse robottilstand og sende handlinger på. En ny robot kan tilsluttes med en driveradapter uden at skrive hele udførelsesforløbet om. På modelsiden leverer en adapter handlinger gennem en fælles grænseflade til modelberegning; registrering og automatisk routing forbinder de valgte adaptere. Det kan mindske integrationsarbejdet, men garanterer ikke, at enhver models kommandoer passer til enhver robot. 3810

China Mobile opgiver fire robot-backends og ti modelposter i den første udgave. Beskrivelser af projektets oversigt nævner tre fysiske platforme – Agibot G1, Ti5 T170C og Navi WA2 – samt en simulations-backend baseret på LeRobot. Modelposterne omfatter blandt andet ACT, varianter af GR00T N1 og π0, RDT-1B, SmolVLA, AgiBot GO-1 og TAO. Tallene skal ikke læses som en afprøvet oversigt over alle mulige kombinationer af modeller og robotter. 918

Hvad er målt – og hvad mangler at blive efterprøvet?

China Mobile oplyser, at standardafvigelsen i robotleddenes acceleration faldt fra over 10 til omkring 0,1 rad/s². Virksomheden siger også, at tilslutning af en ny robot kan gå fra uger til timer, og at en ny model kan kræve omtrent 50–100 linjer adapterkode. Det er projektets egne rapporterede resultater, ikke uafhængige målinger på tværs af alle de nævnte robotter og modeller. 611

Open-RAIL arkiverer desuden data fra fysiske kørsler til senere træning og evaluering. Ifølge omtaler omfatter registreringerne observationer, robottilstande og modellens resultater. Hvis en operatør griber ind og retter en bevægelse, kan korrektionen gemmes tidsmæssigt afstemt med modellens forløb. Serveren kan ifølge udgivelsesomtalen placeres på selve enheden, tæt på robotten som edge-computing eller i skyen uden ændringer i den overordnede applikationskode. De citerede resultater fastslår dog hverken omkostningen ved dataindsamlingen eller ens ydeevne på tværs af de tre placeringer. 5611

Open-RAILs projektside er udgangspunktet for kode og dokumentation. Udgivelsesomtaler beskriver koden som tilgængelig via GitHub og Gitee under Apache-2.0-licensen. Det tidligere VLA-RAIL-forskningsmanuskript gennemgår det asynkrone bindeled og de to trin i udjævningen mere teknisk. 139