Grabette: Handgerät zeichnet Roboter-Manipulationen auf

Handgerät zeichnet Roboter-Manipulationen auf

Mit Grabette stellen Hugging Face und Pollen Robotics ein offenes System vor, das aus einem handgehaltenen Greifer und einer Software-Toolchain besteht. Der Greifer zeichnet während einer manuellen Vorführung – etwa dem Greifen und Platzieren eines Objekts – kontinuierlich Bewegungs- und Sensordaten auf. Die begleitende Software konvertiert diese Rohdaten über ein bereitgestelltes Tool in das standardisierte LeRobot-SLAM-Datensatzformat. Dieses Format strukturiert die Aufnahmen in Sequenzen aus Beobachtungen und Aktionen, die unmittelbar mit gängigen Trainings-Pipelines kompatibel sind.

Herkömmliche Teleoperationsverfahren erfordern stets einen physischen Roboterarm, was hohe Kosten und einen aufwändigen Laboraufbau verursacht. Grabette entkoppelt die Aufzeichnung von der Roboterhardware: Der handgehaltene Greifer kann ohne Roboterarm eingesetzt werden, wodurch die mit der Teleoperation verbundenen hohen Hardware- und Logistikanforderungen entfallen. Hintergrund ist ein grundlegendes Versorgungsproblem des maschinellen Lernens in der Robotik: Zwar existieren leistungsfähige Policy-Architekturen und ausreichend Rechenleistung, doch es fehlt an großen, diversen Datensätzen realer Manipulationsabläufe. Grabette zielt darauf ab, diese Lücke zu schließen, indem es die Erfassung hochwertiger Demonstrationsdaten stark vereinfacht.

Offene Plattform soll Datensammlung demokratisieren

Die Aufzeichnungen von Grabette lassen sich nahtlos in das LeRobot-Ökosystem von Hugging Face einbinden. Die Software-Toolchain überführt die Rohdaten direkt in das LeRobot-SLAM-Format – ein standardisiertes Datenformat, das die gleiche Struktur wie die Trainingsdaten vortrainierter Modelle verwendet. Dadurch können die gesammelten Demonstrationen ohne weitere Anpassung in bestehende Trainings-Pipelines eingespeist und mit vortrainierten Modellen kombiniert werden.

Das System adressiert einen zentralen Engpass: Während leistungsfähige Architekturen wie Transformer-basierte VLAs und Diffusionsmodelle verfügbar sind, mangelt es an großen, vielfältigen realen Manipulationsdaten. Teleoperation, bei der ein Roboterarm ferngesteuert wird, ist teuer und aufwändig. Grabette umgeht diese Hürden, indem es die Datenerfassung von der Roboterhardware entkoppelt und so die Hardware- und Logistikanforderungen drastisch reduziert.

Der vollständig quelloffene Ansatz – sowohl die Baupläne des Greifers als auch die Software sind öffentlich – demokratisiert die Datensammlung. Forscher und Entwickler können das Gerät selbst nachbauen und in unterschiedlichsten Umgebungen Daten aufzeichnen. Durch die offene Lizenz und die Anbindung an die LeRobot-Plattform entsteht ein gemeinschaftlicher Datenpool: Jeder kann seine Aufnahmen als Datensätze auf der Plattform teilen, wodurch die verfügbaren Trainingsdaten schneller wachsen und vielfältiger werden. Diese breite Beteiligung beschleunigt das Training generalisierender Manipulationsmodelle und macht hochwertige Robotikdaten für eine globale Community zugänglich.