Inicio rápido por primera vez
Al entrenar y ejecutar un modelo por primera vez, sigue estos cinco pasos:
- Completa la configuración y verificación del dispositivo. Abre SenseCraft Robotics, haz clic en Get Started en la página inicial, selecciona el modelo y vincula en orden el brazo líder, el brazo seguidor y las cámaras. Después, completa la calibración y la verificación de teleoperación. Confirma que el brazo seguidor sigue al líder de forma estable y en la misma dirección. Si vas a realizar entrenamiento visual, confirma también que las cámaras capturan claramente el área de trabajo y los objetos de la tarea.
- Planifica y recopila datos de demostración. Ve a Collection, define una tarea concreta e introduce el nombre del dataset, la descripción, el número de episodios, la duración de cada episodio y el tiempo de descanso. Durante la grabación, usa el brazo líder para guiar al seguidor y completar toda la tarea, manteniendo constantes la configuración de los brazos, la posición de las cámaras y el objetivo. Al finalizar, la plataforma genera un dataset sin procesar.
- Revisa y organiza el dataset. Ve a Dataset y comprueba vídeos, fotogramas de muestra, duración de los episodios, tasa de fotogramas y curvas de articulaciones. Elimina episodios con fallos, colisiones, oclusiones graves o pérdidas de fotogramas evidentes. Los datos recopilados por lotes solo se pueden combinar si la tarea y la configuración del dispositivo son iguales. Continúa con el entrenamiento únicamente después de confirmar la calidad de los datos.
- Entrena y obtén un modelo. Ve a Training, selecciona un dataset revisado, la política y el número de pasos, e inicia el entrenamiento en la nube o local. Cuando termine, descarga o registra el modelo localmente. El modelo debe validarse además en el brazo robótico real; que el entrenamiento haya terminado no significa por sí solo que la tarea se haya completado con éxito.
- Ejecuta el modelo y valida el resultado. Ve a Model Run / Inference, confirma que el brazo, la disposición de cámaras y el entorno coinciden con los usados en la recopilación, selecciona el modelo correspondiente y comienza con una sola prueba breve. Observa continuamente el movimiento del brazo. Detén la ejecución de inmediato si se desvía del objetivo o se acerca a una posición peligrosa.
| Etapa | Qué completar | Resultado | Paso siguiente |
|---|---|---|---|
| Configuración del dispositivo | Seleccionar el modelo, vincular el brazo líder, el seguidor y las cámaras, y completar la calibración y la verificación de teleoperación. | Una configuración preparada para el control y la recopilación. | Recopilar demostraciones con la configuración actual. |
| Recopilación de datos | Demostrar la tarea con el brazo líder y grabar imágenes, estados articulares y secuencias de acciones. | Un dataset sin procesar. | Revisar la calidad en la página Dataset. |
| Gestión del dataset | Revisar vídeos, tasas de fotogramas, curvas articulares y episodios; eliminar datos fallidos o anómalos y combinar datasets cuando sea necesario. | Un dataset de entrenamiento estable y coherente con la tarea. | Seleccionar el dataset para el entrenamiento. |
| Entrenamiento | Seleccionar el dataset, la política y los pasos, e iniciar entrenamiento en la nube o local. | Un modelo que se puede cargar en la página Run. | Validar el modelo en el brazo robótico real. |
| Ejecución / inferencia | Seleccionar un modelo que coincida con el dispositivo y la tarea, y comenzar con una única ejecución breve. | Un resultado de validación correcto, parcialmente correcto o fallido. | Mantener la configuración, recopilar datos adicionales o volver a entrenar según el resultado. |
- Para usar solo teleoperación o grabar acciones fijas: completa la configuración, la calibración y la verificación de teleoperación. Las cámaras son opcionales si no se utilizan funciones visuales.
- Para entrenar un modelo y hacer que el brazo ejecute una tarea de forma autónoma: completa en orden la recopilación, la revisión del dataset, el entrenamiento y la ejecución. Cada etapa utiliza el resultado de la anterior, así que confirma que la etapa actual está terminada y es correcta antes de continuar.
- Continúa según el resultado: si la ejecución tiene éxito, conserva la configuración actual de dispositivo, datos y entrenamiento, y aumenta gradualmente el número de pruebas. Si el éxito es parcial, recopila más datos de las posiciones, posturas o fases donde el modelo suele fallar. Si falla, comprueba primero las conexiones, las posiciones de cámara y el entorno; después revisa si hay muestras fallidas o anómalas en el dataset, corrígelas y vuelve a entrenar.