Cara Open-RAIL menjembatani model AI dan berbagai jenis robot

Model AI bisa menentukan gerakan robot, tetapi hasilnya tidak selalu datang secepat robot perlu bergerak. Model vision-language-action (VLA) dan world-action model (WAM) menghasilkan aksi dalam rangkaian-rangkaian pendek, sementara kendali robot harus berlangsung terus-menerus. Open-RAIL, middleware sumber terbuka dari China Mobile, ditempatkan di antara model dan perangkat keras untuk menjembatani perbedaan itu—tanpa mengikat sistem pada satu model atau satu jenis robot. 37

Robot tidak perlu berhenti untuk menunggu model

Open-RAIL memakai arsitektur server–klien asinkron. Server menangani inferensi model, penjadwalan, dan pengelolaan data; klien di sisi robot menangani pengamatan serta pelaksanaan gerak. Alur pengamatan, inferensi, dan kendali dipisahkan, sehingga robot dapat menjalankan rangkaian aksi yang sudah tersedia sementara model menghitung rangkaian berikutnya. Susunan ini ditujukan untuk mengatasi jeda gerak akibat inferensi yang lebih lambat daripada kendali robot. 311

Agar gerak tetap mulus, Open-RAIL melakukan penghalusan dua tingkat. Tahap pertama merapikan titik-titik gerak di dalam satu rangkaian aksi. Tahap kedua menyatukan rangkaian yang baru diterima dengan lintasan yang sedang dijalankan. Dengan begitu, sistem menargetkan baik getaran dalam satu rangkaian maupun perubahan mendadak saat berganti rangkaian, tanpa perlu mengubah bobot model. 211

Satu jalur integrasi untuk model dan robot berbeda

Di sisi perangkat keras, lapisan abstraksi ringan menyeragamkan cara membaca status dan menjalankan aksi. Untuk menambahkan robot, pengembang membuat adaptor driver alih-alih menulis ulang logika di lapisan atas. Di sisi model, antarmuka inferensi yang seragam dan pemilihan adaptor terdaftar mengurangi pekerjaan untuk menghubungkan kombinasi model–robot baru. 37

Menurut laporan tentang rilis awal, cakupannya meliputi empat backend robot dan sepuluh varian model. Backend yang disebut ialah Agibot G1, Ti5 T170C, Navi WA2, serta backend simulasi berbasis LeRobot. Varian modelnya berasal dari keluarga ACT, GR00T N1/N1.5/N1.6, RDT-1B, SmolVLA, AgiBot GO-1, π0/π0.5, dan TAO. Daftar ini tidak membuktikan bahwa setiap model dapat dipasangkan dengan setiap robot. 9

China Mobile melaporkan simpangan baku percepatan sendi turun dari lebih dari 10 rad/s² menjadi sekitar 0,1 rad/s². Perusahaan juga menyebut waktu integrasi robot baru berkurang dari mingguan menjadi hitungan jam, sedangkan model baru dapat memerlukan sekitar 50–100 baris kode adaptor. Angka-angka tersebut merupakan hasil yang dilaporkan, bukan hasil yang telah dipastikan secara independen. 117

Open-RAIL turut memasukkan pengumpulan data ke dalam alur inferensi hingga eksekusi: pengoperasian robot menghasilkan data yang dapat dipakai untuk iterasi model berikutnya, tanpa proses pengumpulan terpisah. Pemisahan server dan klien juga memungkinkan inferensi ditempatkan di perangkat, komputasi tepi, atau cloud tanpa mengubah kode aplikasi di sisi robot. Namun, bukti yang tersedia di sini tidak merinci setiap data yang direkam ataupun mengukur secara independen beban tambahan pengumpulannya. 5814

Kode dan dokumentasi berlisensi Apache-2.0 ditautkan melalui laman proyek Open-RAIL. Laporan menyebut salinannya tersedia di GitHub dan Gitee, tetapi bukti yang tersedia di sini tidak memastikan URL repositorinya. 9 Rancangan pendahulunya, termasuk penghubung inferensi asinkron dan dua tahap penghalusan lintasan, dijelaskan dalam pracetak VLA-RAIL. 2