Grabette: Sistem Open Source Rekam Data Manipulasi Robot

Pollen Robotics merilis Grabette, sebuah handheld gripper open source untuk merekam data demonstrasi manipulasi robot. Perangkat ini menggunakan Raspberry Pi, kamera Pi, OAK-D depth camera, IMU, dan magnetic encoder untuk merekam gerakan tangan. Setelah rekaman, data otomatis diunggah ke Hugging Face Space untuk diproses dengan SLAM RTAB-MAP dan dikonversi ke format dataset LeRobot. Tujuan utamanya adalah mengatasi bottleneck data dalam robot learning dengan memungkinkan siapa saja berkontribusi tanpa perlu robot mahal. Contoh implementasi berhasil melatih Diffusion Policy (ResNet18 + SpatialSoftmax) dari 200 demonstrasi dan mengevaluasinya di lengan robot OpenArm 7-DoF. Biaya bahan baku Grabette sekitar 490 euro dan Gripette (gripper motorized) sekitar 120 euro.

Poin Penting

Grabette adalah handheld gripper open source (BOM ~490 euro) untuk merekam data manipulasi robot tanpa memerlukan robot fisik.
Dua kamera terpisah: fisheye untuk konteks visual dan RGBD untuk pelacakan 6-DoF, diproses dengan SLAM RTAB-MAP.
Proses rekaman hingga dataset siap latih hanya butuh dua langkah: rekam dengan tombol, lalu proses di browser via Hugging Face Space.
Data output dalam format LeRobot sehingga kompatibel dengan berbagai arsitektur policy dan robot arm.
Gripette, gripper motorized (BOM ~120 euro), menjadi twin robotik yang mengeksekusi hasil pembelajaran dari data Grabette.
Contoh sukses: 200 demonstrasi digunakan untuk melatih Diffusion Policy dan dievaluasi pada lengan OpenArm 7-DoF.

Penjelasan Mendalam

Grabette mengadopsi arsitektur dua kamera: kamera wide fisheye murah memberikan tampilan pergelangan tangan (wrist-camera style) untuk konteks visual, sementara kamera RGBD (OAK-D) menangani pelacakan 6-DoF secara robust. Data dari kedua kamera, IMU, dan encoder gripper direkam secara sinkron menggunakan shared clock pada Raspberry Pi. Proses pasca-rekaman dilakukan sepenuhnya di browser melalui dashboard Grabette yang terhubung ke Hugging Face Space. Di sana, SLAM menggunakan library RTAB-MAP memverifikasi konsistensi trajectory, lalu data dikonversi ke format LeRobot. Contoh pipeline hilir menggunakan Diffusion Policy dengan encoder ResNet18 + SpatialSoftmax, scheduler DDIM, dan action space rotasi 6-D, yang dilatih pada satu GPU konsumen dan dievaluasi di OpenArm 7-DoF. Semua komponen hardware dan software dirilis open source untuk memungkinkan replikasi dan kontribusi komunitas.

Kenapa Ini Penting

Bagi praktisi AI Indonesia, Grabette menurunkan hambatan masuk ke robot learning karena tidak perlu investasi robot mahal untuk mengumpulkan data nyata. Sistem ini memungkinkan kontribusi ke dataset global kolaboratif, membuka peluang riset dan pengembangan robotika di lingkungan dengan sumber daya terbatas.

Untuk Siapa

Peneliti dan mahasiswa AI yang tertarik pada robot learning, hobis robotika, serta perusahaan rintisan yang ingin membangun dataset manipulasi sendiri tanpa biaya besar.

Contoh Use Case

Merekam demonstrasi membuka pintu, mengambil gelas, atau menyusun balok untuk melatih policy robot lengan.
Membangun dataset spesifik untuk tugas industri seperti perakitan komponen atau penanganan barang rapuh.
Berkolaborasi dengan komunitas global untuk memperkaya dataset terbuka di Hugging Face Hub.
Mengevaluasi berbagai arsitektur policy (Diffusion Policy, VLA) dengan data nyata yang konsisten.
Menjadi alat pembelajaran di laboratorium kampus untuk eksperimen robot learning praktis.

Cara Mulai

1. Baca dokumentasi dan BOM di repository GitHub Grabette untuk memahami komponen yang diperlukan.
1. Beli komponen standar: Raspberry Pi, Pi camera OV5647 atau sejenis, OAK-D depth camera, magnetic encoder, dan bagian mekanik sesuai CAD.
1. Rakit Grabette mengikuti panduan hardware yang disediakan, lalu instal software capture pada Raspberry Pi.
1. Rekam beberapa episode dengan menekan tombol, lakukan berbagai tugas manipulasi sederhana.
1. Buka Hugging Face Space Grabette Processing, unggah episode yang direkam, dan satu klik untuk memproses menjadi dataset LeRobot siap latih.

Contoh Prompt Siap Pakai

Peran: Ahli robotika dan data collection
Konteks: Saya baru mengetahui Grabette, sistem open source handheld gripper untuk merekam data manipulasi robot. Saya ingin mulai mengumpulkan data untuk proyek robot lengan.
Tugas: Berikan panduan langkah demi langkah untuk membangun Grabette, merekam demonstrasi mengambil botol air, dan memprosesnya menjadi dataset yang siap dilatih menggunakan Diffusion Policy.
Format Output: Panduan dalam format daftar bernomor, setiap langkah jelas dan dilengkapi perintah konkret.
Batasan: Bahasa Indonesia, maksimal 300 kata, hindari jargon teknis berlebihan.

Insight Bisnis

Peluang menjual kit pre-built Grabette dan Gripette ke lembaga riset atau perusahaan yang membutuhkan solusi data collection cepat, atau menyediakan jasa pembuatan dataset manipulasi untuk klien industri robotika.

FAQ

Apakah Grabette membutuhkan robot arm untuk merekam data?

Tidak. Grabette digenggam tangan manusia untuk merekam demonstrasi. Robot arm hanya diperlukan untuk mengeksekusi policy yang sudah dilatih, dan harus dilengkapi Gripette gripper.

Berapa biaya total untuk membuat Grabette dan Gripette?

BOM Grabette sekitar 490 euro, Gripette sekitar 120 euro. Belum termasuk biaya robot arm untuk evaluasi.

Apakah data yang dihasilkan kompatibel dengan robot arm merek lain?

Ya, data disimpan sebagai pose cartesian 6-DoF lokal kamera dan gripper state, sehingga agnostik terhadap arm. Namun, perlu Gripette gripper yang dipasang pada arm untuk eksekusi.

Sumber: Hugging Face Blog

Diringkas dan disusun otomatis oleh GrowWithAI AI Pulse. Pelajari lebih lanjut lewat kelas AI GrowWithAI atau buka AI Pulse.