Desktop client at CLI

Ano ang ginagawa ng desktop app

Ang browser cockpit ay ginawa para sa remote control ng robot na nasa platform. Sinasakop ng desktop client ang kabilang kalahati ng workflow: ikaw, isang robot arm sa iyong desk, at isang dataset na gusto mong i-record mismo. Kumokonekta ito sa arm sa pamamagitan ng USB, tinutukoy ang mga nakakonektang camera, at ginagabayan ka sa pag-record nang episode-by-episode.

Automatic ang detection. I-plug ang SO-100 at mahahanap ng app ang serial port at ie-enumerate ang mga servo; lilitaw ang mga nakakonektang webcam sa isang preview para masuri mo ang framing bago ka mag-record ng anuman. Walang configuration file na susulatin at walang driver na hahanapin.

Lahat ng ire-record mo ay isinusulat muna sa lokal na disk. Walang aalis sa makina mo hangga't hindi mo direktang ina-upload, mahalaga ito kung ang episode mo ay may bagay na hindi mo pa handang ibahagi, o kung nagre-record ka sa lugar na walang maaasahang koneksyon.

I-download at i-install

Available ang app para sa macOS, Windows, at Linux sa /download. I-install ito, mag-sign in gamit ang platform account mo, at ikonekta ang arm. Kung nagpe-pair ka rin ng robot sa platform sa parehong pagkakataon, dito mo rin ire-redeem ang pairing code mula sa wizard.

Ang guided recording flow

Ang pag-record ng magandang imitation learning data ay disiplina sa kadalasan, at ipinatutupad ito ng app para sa iyo. Dumadaan ang bawat episode sa parehong limang estasyon.

1. 1
   Ilarawan ang gawain

   Isang malinaw na pangungusap, na paulit-ulit na sinasabi sa parehong paraan para sa parehong gawain. Binibigyang pansin ng language-conditioned policy ang string na ito, kaya mas maganda ang "pick up the red cube and place it in the bowl" kaysa sa "test 4".

2. 2
   I-reset ang eksena

   Ilipat ang arm sa start pose nito at ilagay ang mga bagay. Nandiyan ang camera preview para makumpirma mo ang framing bago mag-commit, hindi pagkatapos.

3. 3
   Mag-record

   I-teleoperate ang arm sa buong gawain nang may sinasadya at maayos na galaw. Huminto sa sandaling natapos na ang gawain sa halip na mag-idle sa frame.

4. 4
   I-review

   I-playback ang episode bago ito panatilihin. Ilang segundo lang ang gastos sa pag-discard ng masamang episode; oras ang gastos sa pagta-train dito.

5. 5
   I-upload

   Kapag kontento ka na, i-upload ang batch. Lilitaw ang mga episode sa dataset browser mo sa platform, kasabay ng anumang na-record sa pamamagitan ng remote session.

Lokal na data at LeRobot export

Naka-store at na-export ang mga episode sa LeRobot format, ang interchange format na tinatanggap ng karamihan sa open-source robot learning ecosystem. Ang dataset na na-record gamit ang desktop client ay puwedeng dumiretso sa training para sa ACT, Diffusion Policy, SmolVLA, o GR00T fine-tune.

Ang CLI

Nag-i-install ang CLI nang standalone, kahit walang desktop app, kaya't ito ang tamang pagpipilian para sa headless machine at script. Sa macOS at Linux:

curl -fsSL https://www.ay-robots.com/install.sh | sh

Sa Windows, sa PowerShell:

irm https://www.ay-robots.com/install.ps1 | iex

Nag-a-authenticate ang CLI gamit ang API key. Gumawa ng isa sa ilalim ng /dashboard/settings; may ayr_live_ prefix ang mga key at dapat itratong parang password, kaya panatilihin ang mga ito sa shell environment mo o sa secret manager sa halip na sa script na kina-commit mo.

MCP: lokal at hosted

Kung nagtatrabaho ka gamit ang MCP-capable na assistant o editor, maaabot ang platform sa pamamagitan ng Model Context Protocol sa dalawang paraan. Tumatakbo ang lokal na server sa makina mo at sisimulan ng isang command lang:

ay-robots mcp

Nasa https://www.ay-robots.com/api/mcp ang hosted server at nagsasalita ito ng Streamable HTTP. Walang kailangang i-install nang lokal: ituro lang ang MCP client mo sa URL at mag-authenticate gamit ang ayr_live_ API key mula sa /dashboard/settings para makagawa sa data ng account mo.

Mga madalas itanong