Cara Open-RAIL Menghubungkan Model AI dengan Robot

Model AI bisa menentukan gerakan berikutnya, tetapi robot tidak bisa berhenti setiap kali model itu masih menghitung. Itulah masalah yang ingin ditangani Open-RAIL, perangkat lunak sumber terbuka dari China Mobile yang ditempatkan di antara model vision-language-action (VLA) atau world-action (WAM) dan perangkat keras robot. Model menghasilkan aksi dalam rangkaian potongan, sementara robot memerlukan aliran perintah kendali yang berkelanjutan. 69

Kendali tetap berjalan saat model berpikir

Open-RAIL memisahkan komputasi model di sisi server dari pengamatan dan pelaksanaan gerak di sisi robot. Pengamatan, inferensi—proses model menghitung keluaran—dan kendali berjalan secara asinkron. Dengan begitu, robot dapat menjalankan satu potongan aksi sambil menunggu potongan berikutnya dihitung. Laporan tentang rilis ini menyebut frekuensi inferensi sekitar 5–10 Hz, sedangkan kendali robot 200–500 Hz. Perbedaan kecepatan itulah yang dijembatani Open-RAIL. 36

Aliran perintah yang tidak terputus saja belum cukup: gerakan juga bisa tersentak. Open-RAIL memakai dua tahap penghalusan. Tahap pertama mengurangi ketidakteraturan di dalam satu potongan aksi; tahap kedua menyatukan potongan baru dengan lintasan gerak yang sedang dijalankan. Makalah awal VLA-RAIL menjelaskan bahwa pendekatan ini ditujukan untuk menjaga kesinambungan posisi, kecepatan, dan percepatan saat robot berpindah dari satu potongan aksi ke potongan berikutnya. Penghalusan berlangsung di lapisan eksekusi, tanpa harus mengubah bobot model AI. 123

Mengganti model atau robot tanpa membangun ulang semuanya

Di sisi perangkat keras, lapisan abstraksi menyediakan cara yang seragam untuk membaca kondisi robot dan mengirimkan aksi. Robot baru dapat dihubungkan melalui adaptor penggerak, tanpa menulis ulang seluruh alur eksekusi. Di sisi model, antarmuka inferensi yang seragam memungkinkan adaptor model memasok aksi melalui alur yang sama; pendaftaran dan perutean menghubungkan adaptor yang dipilih. Ini mengurangi pekerjaan integrasi, bukan berarti keluaran sembarang model otomatis cocok untuk sembarang robot. 3810

China Mobile melaporkan empat backend robot dan sepuluh entri model pada rilis awal. Uraian tabel dukungannya menyebut tiga platform robot fisik—Agibot G1, Ti5 T170C, dan Navi WA2—serta satu backend simulasi berbasis LeRobot. Entri modelnya mencakup keluarga ACT, varian GR00T N1, RDT-1B, SmolVLA, AgiBot GO-1, varian π0, dan TAO. Jumlah tersebut tidak boleh dibaca sebagai bukti bahwa setiap model telah diuji dengan setiap robot. 918

Angka yang dilaporkan dan yang belum teruji

Menurut China Mobile, simpangan baku percepatan sendi robot turun dari lebih dari 10 menjadi sekitar 0,1 rad/s². Perusahaan itu juga menyatakan waktu integrasi robot baru berkurang dari hitungan minggu menjadi jam, sementara model baru dapat memerlukan sekitar 50–100 baris kode adaptor. Angka-angka ini merupakan hasil yang dilaporkan proyek, bukan tolok ukur independen untuk seluruh perangkat keras dan model yang tercantum. 611

Open-RAIL juga mengarsipkan data dari eksekusi nyata—termasuk pengamatan, kondisi robot, dan hasil inferensi—untuk pelatihan serta evaluasi berikutnya. Ketika operator mengoreksi gerakan, catatan koreksi dapat disimpan selaras dengan catatan inferensi. Pemisahan server dan klien memungkinkan inferensi ditempatkan pada perangkat, komputasi tepi, atau cloud tanpa mengubah kode aplikasi tingkat atas, menurut laporan rilis. Namun, hasil yang dikutip belum menetapkan besarnya beban tambahan pengumpulan data ataupun kesetaraan kinerja di ketiga lokasi itu. 5611

Kunjungi laman proyek Open-RAIL untuk memulai pencarian kode dan dokumentasinya; laporan rilis menyebut kode berlisensi Apache-2.0 tersedia melalui GitHub dan Gitee. Rincian teknis tentang penghubung asinkron dan dua tahap penghalusan dapat dibaca dalam makalah awal VLA-RAIL. 139