डेस्कटॉप क्लायंट आणि CLI

डेस्कटॉप अ‍ॅप काय करते

ब्राउझर कॉकपिट हे प्लॅटफॉर्मवर असलेल्या रोबोटच्या रिमोट नियंत्रणासाठी बनवलेले आहे. डेस्कटॉप क्लायंट वर्कफ्लोचा दुसरा अर्धा भाग कव्हर करतो: तुम्ही, तुमच्या डेस्कवरील एक रोबोट आर्म, आणि तुम्हाला स्वतः रेकॉर्ड करायचा असलेला डेटासेट. ते USB मार्फत आर्मशी जोडते, जोडलेले कॅमेरे ओळखते, आणि एपिसोड-दर-एपिसोड रेकॉर्डिंगमधून तुम्हाला मार्गदर्शन करते.

ओळख आपोआप होते. SO-100 प्लग करा आणि अ‍ॅप सिरियल पोर्ट शोधतो व सर्व्हो एन्युमरेट करतो; जोडलेले वेबकॅम प्रिव्ह्यूमध्ये दिसतात, त्यामुळे तुम्ही काही रेकॉर्ड करण्यापूर्वी फ्रेमिंग तपासू शकता. कोणतीही कॉन्फिगरेशन फाइल लिहायची गरज नाही आणि कोणताही ड्रायव्हर शोधावा लागत नाही.

तुम्ही रेकॉर्ड केलेली प्रत्येक गोष्ट आधी स्थानिक डिस्कवर लिहिली जाते. तुम्ही स्पष्टपणे अपलोड करेपर्यंत काहीही तुमच्या मशीनबाहेर जात नाही, जे महत्त्वाचे ठरते जर तुमच्या एपिसोडमध्ये तुम्हाला अजून शेअर करायला तयार नसलेल्या गोष्टी असतील, किंवा तुम्ही विश्वासार्ह कनेक्शन नसलेल्या ठिकाणी रेकॉर्ड करत असाल.

डाउनलोड आणि इन्स्टॉल

हे अ‍ॅप macOS, Windows, आणि Linux साठी /download येथे उपलब्ध आहे. ते इन्स्टॉल करा, तुमच्या प्लॅटफॉर्म खात्याने साइन इन करा, आणि आर्म कनेक्ट करा. तुम्ही त्याचवेळी रोबोट प्लॅटफॉर्मशी पेअर करत असाल, तर विझार्डमधील पेअरिंग कोडही तुम्ही याच अ‍ॅपमध्ये रिडीम करता.

मार्गदर्शित रेकॉर्डिंग प्रवाह

चांगला इमिटेशन लर्निंग डेटा रेकॉर्ड करणे हे प्रामुख्याने शिस्तीचे काम आहे, आणि अ‍ॅप ती शिस्त तुमच्यासाठी लागू करते. प्रत्येक एपिसोड याच पाच टप्प्यांतून जातो.

1. 1
   कामाचे वर्णन करा

   एक स्पष्ट वाक्य, त्याच कामासाठी दरवेळी तशाच पद्धतीने मांडलेले. भाषा-आधारित पॉलिसी या स्ट्रिंगकडे लक्ष देतात, त्यामुळे "लाल क्यूब उचला आणि वाडग्यात ठेवा" हे "test 4" पेक्षा चांगले असते.

2. 2
   दृश्य रीसेट करा

   आर्मला त्याच्या सुरुवातीच्या पोझमध्ये न्या आणि वस्तू ठेवा. कॅमेरा प्रिव्ह्यू यासाठीच आहे की तुम्ही रेकॉर्डिंग सुरू करण्यापूर्वी फ्रेमिंग निश्चित करावी, नंतर नाही.

3. 3
   रेकॉर्ड करा

   सुनियोजित, सुरळीत हालचालींसह आर्मला संपूर्ण कामातून टेलिऑपरेट करा. काम पूर्ण होताच थांबा, फ्रेममध्ये उगाच थांबून राहू नका.

4. 4
   पुनरावलोकन करा

   एपिसोड ठेवण्यापूर्वी तो परत चालवून पाहा. वाईट एपिसोड टाकून देण्यात काही सेकंद जातात; त्यावर ट्रेनिंग करण्यात तासन्तास जातात.

5. 5
   अपलोड करा

   तुम्ही समाधानी असल्यावर, बॅच अपलोड करा. एपिसोड तुमच्या डेटासेट ब्राउझरमध्ये दिसतात, रिमोट सेशनद्वारे रेकॉर्ड केलेल्या कोणत्याही गोष्टीसोबत.

स्थानिक डेटा आणि LeRobot एक्सपोर्ट

एपिसोड LeRobot फॉरमॅटमध्ये साठवले आणि एक्सपोर्ट केले जातात, जो बहुतेक ओपन-सोर्स रोबोट लर्निंग इकोसिस्टमला मान्य असलेला इंटरचेंज फॉरमॅट आहे. डेस्कटॉप क्लायंटने रेकॉर्ड केलेला डेटासेट थेट ACT, Diffusion Policy, SmolVLA, किंवा GR00T फाइन-ट्यूनच्या ट्रेनिंगमध्ये जाऊ शकतो.

CLI

CLI डेस्कटॉप अ‍ॅपशिवाय स्वतंत्रपणे इन्स्टॉल होते, त्यामुळे हेडलेस मशीन्स आणि स्क्रिप्ट्ससाठी तो योग्य पर्याय ठरतो. macOS आणि Linux वर:

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

Windows वर, PowerShell मध्ये:

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

CLI API की वापरून प्रमाणीकृत होतो. एक की /dashboard/settings अंतर्गत तयार करा; कीजना ayr_live_ प्रीफिक्स असतो आणि त्या पासवर्डसारख्या हाताळाव्यात, म्हणजे त्या तुमच्या शेल एन्व्हायर्नमेंटमध्ये किंवा सिक्रेट मॅनेजरमध्ये ठेवा, कमिट करत असलेल्या स्क्रिप्टमध्ये नाही.

MCP: स्थानिक आणि होस्टेड

तुम्ही MCP-सक्षम असिस्टंट किंवा एडिटर वापरत असल्यास, प्लॅटफॉर्म Model Context Protocol द्वारे दोन प्रकारे उपलब्ध आहे. स्थानिक सर्व्हर तुमच्या मशीनवर चालतो आणि एका कमांडने सुरू होतो:

ay-robots mcp

होस्टेड सर्व्हर https://www.ay-robots.com/api/mcp येथे राहतो आणि Streamable HTTP बोलतो. त्याला कोणतेही स्थानिक इन्स्टॉलेशन लागत नाही: तुमचा MCP क्लायंट या URL कडे निर्देशित करा आणि तुमच्या खात्यातील डेटासोबत काम करण्यासाठी /dashboard/settings मधील ayr_live_ API कीने प्रमाणीकृत व्हा.

वारंवार विचारले जाणारे प्रश्न