Open-RAIL tenta fazer a IA acompanhar o ritmo dos robôs

O desafio não é apenas fazer um modelo de IA decidir o que um robô deve fazer. É transformar decisões calculadas em blocos de ações em movimentos contínuos, no ritmo exigido pelos motores. O Open-RAIL, middleware de código aberto da China Mobile, ocupa essa camada intermediária entre modelos de visão, linguagem e ação (VLA), modelos de mundo e ação (WAM) e robôs com hardwares diferentes. Seu objetivo é permitir a troca de modelos ou equipamentos sem reconstruir toda a infraestrutura de execução. 37

Como a ponte funciona

Inferência sem interromper o controle. Na arquitetura cliente–servidor, o servidor cuida da inferência dos modelos, do agendamento e dos dados; o cliente instalado no lado do robô lida com percepção e execução. Observação, inferência e controle seguem fluxos separados e assíncronos. Assim, o robô pode executar um bloco de ações enquanto o modelo calcula o seguinte, em vez de parar à espera de cada resposta. 311

Suavização em duas etapas. A primeira trata oscilações nos pontos de um mesmo bloco de ações. A segunda combina o bloco recém-calculado com a trajetória que o robô já está executando. O objetivo é reduzir tanto os tremores dentro de um bloco quanto os movimentos bruscos entre blocos, sem alterar os pesos do modelo. 211

Interfaces para modelos e robôs diferentes. Uma camada leve de abstração de hardware padroniza a leitura do estado do robô e a execução de ações: para integrar outro equipamento, cria-se um adaptador para seu controlador, preservando a lógica das camadas superiores. Do lado da IA, os modelos seguem uma interface comum de inferência, com seleção dos adaptadores registrados. Isso reduz o trabalho específico para cada combinação de modelo e hardware. 37

O que a primeira versão demonstra — e o que ainda não

Segundo os números divulgados para o projeto, o desvio-padrão da aceleração das articulações caiu de mais de 10 rad/s² para cerca de 0,1 rad/s². A integração de um novo robô teria passado de semanas para horas, enquanto a de um novo modelo poderia exigir apenas 50 a 100 linhas de código de adaptação. São resultados reportados, não medições independentes estabelecidas pelas fontes disponíveis. 117

A versão inicial é descrita como compatível com quatro backends de robô e dez variantes de modelo. A lista apresentada inclui Agibot G1, Ti5 T170C, Navi WA2 e um backend de simulação baseado em LeRobot; entre os modelos estão ACT, GR00T N1/N1.5/N1.6, RDT-1B, SmolVLA, AgiBot GO-1, π0/π0.5 e TAO. Isso não comprova que todas as combinações entre os modelos e os robôs sejam suportadas. 9

O Open-RAIL também incorpora a coleta de dados ao caminho entre inferência e execução: operações reais podem gerar registros aproveitáveis em futuras iterações dos modelos, sem depender de um processo de coleta separado. A divisão entre cliente e servidor permite posicionar a inferência no próprio dispositivo, na borda da rede ou na nuvem sem mudar o código da aplicação no robô. As evidências aqui não quantificam de forma independente o custo adicional da coleta nem especificam todos os campos registrados. 5814

O código sob licença Apache-2.0 e a documentação estão acessíveis pela página do projeto Open-RAIL. Relatos mencionam cópias no GitHub e no Gitee, mas as evidências disponíveis aqui não estabelecem os endereços exatos desses repositórios. O preprint anterior, VLA-RAIL, descreve o elo assíncrono, a suavização de trajetórias e a fusão entre blocos de ações. 92