Erste Schritte
Gehe beim ersten Trainieren und Ausführen eines Modells in diesen fünf Schritten vor:
- Schließe Geräteeinrichtung und Prüfung ab. Öffne SenseCraft Robotics, klicke auf der Startseite auf Get Started, wähle das Gerätemodell und verbinde nacheinander Masterarm, Slavearm und Kameras. Führe anschließend die Kalibrierung und die Teleoperationsprüfung durch. Stelle sicher, dass der Slavearm dem Masterarm stabil in dieselbe Richtung folgt. Für visuelles Training muss außerdem sichergestellt sein, dass die Kameras den Arbeitsbereich und die Aufgabenobjekte klar erfassen.
- Plane und erfasse Demonstrationsdaten. Öffne Collection, definiere eine konkrete Aufgabe und gib Datensatzname, Aufgabenbeschreibung, Episodenanzahl, Episodendauer und Pausendauer ein. Führe während der Aufnahme mit dem Masterarm den Slavearm durch die vollständige Aufgabe und halte Armkonfiguration, Kamerapositionen und Aufgabenziel konstant. Nach Abschluss erzeugt die Plattform einen Rohdatensatz.
- Prüfe und ordne den Datensatz. Öffne Dataset und prüfe Videos, Beispielframes, Episodendauer, Bildrate und Gelenkkurven. Lösche Episoden mit Fehlschlägen, Kollisionen, starker Verdeckung oder deutlichen Frameverlusten. In getrennten Chargen erfasste Daten dürfen nur zusammengeführt werden, wenn Aufgabe und Gerätekonfiguration identisch sind. Starte das Training erst, wenn die Datenqualität bestätigt ist.
- Trainiere und erhalte ein Modell. Öffne Training, wähle einen geprüften Datensatz, die Trainings-Policy und die Anzahl der Trainingsschritte und starte das Cloud- oder lokale Training. Nach Abschluss lädst oder registrierst du das Modell lokal. Das erzeugte Modell muss weiterhin am realen Roboterarm validiert werden; ein abgeschlossenes Training allein bedeutet nicht, dass die Aufgabe erfolgreich ist.
- Führe das Modell aus und validiere die Wirkung. Öffne Model Run / Inference, stelle sicher, dass Roboterarm, Kameralayout und Aufgabenumgebung der Datenerfassung entsprechen, wähle das passende Modell und beginne mit einem einzelnen kurzen Test. Beobachte den Arm während der Ausführung kontinuierlich. Stoppe sofort, wenn die Bewegung vom Ziel abweicht oder sich einer gefährlichen Position nähert.
| Phase | Erforderliche Schritte | Ergebnis | Nächster Schritt |
|---|---|---|---|
| Geräteeinrichtung | Gerätemodell wählen, Masterarm, Slavearm und Kameras verbinden sowie Kalibrierung und Teleoperationsprüfung abschließen. | Eine für Steuerung und Erfassung einsatzbereite Gerätekonfiguration. | Mit der aktuellen Konfiguration Demonstrationen erfassen. |
| Datenerfassung | Die Zielaufgabe mit dem Masterarm demonstrieren und Bilder, Gelenkzustände und Aktionsfolgen aufzeichnen. | Ein Rohdatensatz. | Die Erfassungsqualität auf der Dataset-Seite prüfen. |
| Datensatzverwaltung | Videos, Bildraten, Gelenkkurven und Episoden prüfen, fehlerhafte oder auffällige Daten löschen und Datensätze bei Bedarf zusammenführen. | Ein stabiler, aufgabenkonsistenter Trainingsdatensatz. | Diesen Datensatz für das Training auswählen. |
| Training | Datensatz, Trainings-Policy und Trainingsschritte wählen und Cloud- oder lokales Training starten. | Ein Modell, das auf der Run-Seite geladen werden kann. | Das Modell am realen Roboterarm validieren. |
| Modellausführung / Inferenz | Ein zur aktuellen Hardware und Aufgabe passendes Modell wählen und mit einer einzelnen kurzen Ausführung beginnen. | Ein erfolgreiches, teilweise erfolgreiches oder fehlgeschlagenes Validierungsergebnis. | Je nach Ergebnis die Konfiguration beibehalten, zusätzliche Daten erfassen oder erneut trainieren. |
- Nur Teleoperation oder feste Aktionen aufnehmen: Geräteeinrichtung, Kalibrierung und Teleoperationsprüfung genügen. Wenn keine visuellen Funktionen verwendet werden, sind Kameras optional.
- Ein Modell trainieren und die Aufgabe autonom ausführen lassen: Datenerfassung, Datensatzprüfung, Training und Modellausführung nacheinander abschließen. Jede Phase verwendet das Ergebnis der vorherigen; prüfe daher vor dem Fortfahren, ob die aktuelle Phase abgeschlossen und das Ergebnis korrekt ist.
- Nach dem Ausführungsergebnis fortfahren: Bei Erfolg die aktuelle Geräte-, Daten- und Trainingskonfiguration beibehalten und die Testanzahl schrittweise erhöhen. Bei Teilerfolg mehr Daten für Positionen, Posen oder Abläufe erfassen, bei denen das Modell häufig scheitert. Bei Fehlschlag zuerst Verbindungen, Kamerapositionen und Umgebung prüfen, dann den Datensatz auf fehlerhafte oder auffällige Samples untersuchen, die Probleme beheben und erneut trainieren.