Desktop client i CLI

Co robi aplikacja desktopowa

Kokpit w przeglądarce jest zbudowany do zdalnego sterowania robotami, które żyją na platformie. Desktop client obejmuje drugą połowę tego procesu: Ciebie, ramię robota na Twoim biurku i dataset, który chcesz nagrać samodzielnie. Łączy się z ramieniem przez USB, wykrywa podłączone kamery i prowadzi Cię przez nagrywanie epizod po epizodzie.

Wykrywanie jest automatyczne. Podłącz SO-100, a aplikacja znajdzie port szeregowy i wyliczy serwa; podłączone kamery internetowe pojawiają się w podglądzie, dzięki czemu możesz sprawdzić kadrowanie, zanim cokolwiek nagrasz. Nie ma pliku konfiguracyjnego do napisania ani sterownika do szukania.

Wszystko, co nagrywasz, trafia najpierw na lokalny dysk. Nic nie opuszcza Twojej maszyny, dopóki nie prześlesz danych świadomie, co ma znaczenie, jeśli Twoje epizody zawierają rzeczy, którymi nie jesteś jeszcze gotów się dzielić, albo jeśli nagrywasz w miejscu bez pewnego połączenia.

Pobierz i zainstaluj

Aplikacja jest dostępna dla macOS, Windows i Linux pod adresem /download. Zainstaluj ją, zaloguj się kontem platformy i podłącz ramię. Jeśli równocześnie parujesz robota z platformą, to tutaj też wykorzystujesz kod parowania z kreatora.

Prowadzony proces nagrywania

Nagrywanie dobrych danych do imitation learning to głównie kwestia dyscypliny, a aplikacja narzuca tę dyscyplinę za Ciebie. Każdy epizod przechodzi przez te same pięć etapów.

1. 1
   Opisz zadanie

   Jedno jasne zdanie, sformułowane zawsze tak samo dla tego samego zadania. Policy warunkowane językiem zwracają uwagę na ten string, dlatego "podnieś czerwony sześcian i połóż go w misce" jest dużo lepsze niż "test 4".

2. 2
   Zresetuj scenę

   Przesuń ramię do pozycji startowej i ustaw obiekty. Podgląd kamery jest po to, żeby potwierdzić kadrowanie przed zatwierdzeniem, nie po nim.

3. 3
   Nagrywaj

   Teleoperuj ramieniem przez zadanie, wykonując świadome, płynne ruchy. Zatrzymaj się natychmiast po ukończeniu zadania, zamiast pozostawać bezczynnie w kadrze.

4. 4
   Przejrzyj

   Odtwórz epizod przed jego zachowaniem. Odrzucenie złego epizodu kosztuje sekundy; trenowanie na nim kosztuje godziny.

5. 5
   Prześlij

   Gdy jesteś zadowolony, prześlij paczkę. Epizody pojawiają się w Twojej przeglądarce datasetów na platformie, obok wszystkiego, co zostało nagrane w sesjach zdalnych.

Dane lokalne i eksport LeRobot

Epizody są przechowywane i eksportowane w formacie LeRobot, formacie wymiany akceptowanym przez większość otwartego ekosystemu robot learning. Dataset nagrany desktop clientem może trafić bezpośrednio do treningu ACT, Diffusion Policy, SmolVLA lub fine-tune'ów GR00T.

CLI

CLI instaluje się samodzielnie, bez aplikacji desktopowej, co czyni je właściwym wyborem dla maszyn bez interfejsu graficznego i skryptów. Na macOS i Linux:

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

Na Windows, w PowerShell:

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

CLI uwierzytelnia się kluczem API. Utwórz go w /dashboard/settings; klucze noszą prefiks ayr_live_ i należy traktować je jak hasła, więc trzymaj je w zmiennych środowiskowych powłoki lub menedżerze sekretów, a nie w skryptach, które commitujesz.

MCP: lokalny i hostowany

Jeśli pracujesz z asystentem lub edytorem obsługującym MCP, platforma jest dostępna przez Model Context Protocol na dwa sposoby. Serwer lokalny działa na Twojej maszynie i uruchamia się jednym poleceniem:

ay-robots mcp

Serwer hostowany znajduje się pod adresem https://www.ay-robots.com/api/mcp i mówi w Streamable HTTP. Nie wymaga lokalnej instalacji: skieruj klienta MCP na ten URL i uwierzytelnij się kluczem API ayr_live_ z /dashboard/settings, aby pracować na danych swojego konta.

Najczęściej zadawane pytania