Slik kobler Open-RAIL KI-modeller til roboter

En KI-modell kan foreslå hva en robot skal gjøre, men roboten må styres kontinuerlig mens modellen tenker. Det er dette gapet China Mobiles åpne programvare Open-RAIL er laget for å håndtere. Den fungerer som et utførelseslag mellom VLA-modeller (vision-language-action, som kobler synsinntrykk og språk til handling), WAM-modeller (world-action models) og robotens maskinvare. Modellene leverer handlinger i sekvenser; Open-RAIL sørger for at de kan brukes i en løpende styresløyfe. 69

Roboten trenger ikke vente på neste svar

Open-RAIL skiller modellberegningen på en server fra sansing og utførelse på en klient knyttet til roboten. Observasjon, modellberegning og styring kjører asynkront. Dermed kan roboten utføre én handlingssekvens mens modellen regner ut den neste, i stedet for å stoppe opp ved hvert nytt modellsvar. Omtaler av lanseringen oppgir omtrent 5–10 modellberegninger i sekundet, mot 200–500 styringsoppdateringer i sekundet. Det er denne forskjellen systemet skal bygge bro over. 36

Et modellsvar er heller ikke nødvendigvis jevnt nok til å sendes rett til roboten. Open-RAIL glatter derfor ut bevegelsen i to trinn: Først reduseres variasjoner innenfor en handlingssekvens. Deretter flettes den nye sekvensen inn i bevegelsen som allerede er i gang. Den tidligere VLA-RAIL-artikkelen beskriver målet som kontinuitet i posisjon, hastighet og akselerasjon mellom sekvensene. Dette skjer i utførelseslaget, uten at modellvektene må endres. 123

Felles grensesnitt, ulike maskiner

På robotsiden gir et lett maskinvareabstraksjonslag programvaren felles måter å lese robotens tilstand og sende handlinger på. En ny robot kan kobles til med en drivertilpasning fremfor at hele utførelsesløpet skrives om. På modellsiden leverer en modelltilpasning handlinger gjennom et felles grensesnitt, mens registrering og ruting knytter de valgte tilpasningene sammen. Det kan redusere integrasjonsarbeidet, men gjør ikke enhver modell egnet for enhver robot. 3810

China Mobile oppgir fire robottilkoblinger og ti modelloppføringer i første utgave. Beskrivelser av prosjektets støttetabell nevner tre fysiske robotplattformer – Agibot G1, Ti5 T170C og Navi WA2 – samt en simuleringsløsning basert på LeRobot. Modelloppføringene omfatter ACT, varianter av GR00T N1, RDT-1B, SmolVLA, AgiBot GO-1, varianter av π0 og TAO. Tallene er ikke en bekreftelse på at alle kombinasjoner av modeller og roboter er testet. 918

Lovende tall, men begrenset dokumentasjon

Ifølge China Mobile sank standardavviket i leddakselerasjon fra over 10 til rundt 0,1 rad/s². Selskapet oppgir også at tilkobling av en ny robot kan gå fra uker til timer, og at en ny modell kan kreve omtrent 50–100 linjer tilpasningskode. Dette er prosjektets rapporterte resultater, ikke uavhengige målinger på tvers av all støttet maskinvare og alle modellene. 611

Open-RAIL lagrer dessuten data fra kjøring på virkelige roboter for senere trening og evaluering. Omtalene beskriver lagring av observasjoner, robottilstand og modellresultater, også samordnede opptak av menneskelige korrigeringer når en operatør griper inn. Server–klient-oppsettet gjør ifølge lanseringsomtalene at modellberegningen kan plasseres på enheten, nær roboten eller i skyen uten å endre den overordnede applikasjonskoden. Kildene dokumenterer verken hvor mye ressurser datainnsamlingen krever, eller lik ytelse på disse plasseringene. 5611

Prosjektsiden for Open-RAIL er utgangspunktet for kode og dokumentasjon. Lanseringsomtalene oppgir at koden er tilgjengelig via GitHub og Gitee under Apache-2.0-lisensen. Den tidligere VLA-RAIL-artikkelen forklarer den asynkrone koblingen og de to trinnene i bevegelsesutjevningen mer teknisk. 139