OpenArm et mjlab : une nouvelle plateforme open source pour entraîner la manipulation robotique

Une plateforme ouverte pour entraîner la manipulation robotique

OpenArm, le robot bimanuel open source développé par Enactic, vient de gagner un nouvel environnement de simulation : mjlab. Ce dernier, conçu pour être accéléré sur GPU, permet d’entraîner et d’évaluer des politiques de manipulation robotique avant leur déploiement sur du matériel réel. Le dépôt, rendu public le 23 août, marque une étape clé pour la communauté robotique open source en offrant une solution modulaire et reproductible.

Le projet s’appuie sur deux composants principaux :

Cette intégration permet de tester des algorithmes de contrôle dans un cadre réaliste, tout en réduisant les coûts et les risques associés aux essais sur du matériel physique.

Une première tâche de pick-and-place pour démarrer

Le dépôt publié par Enactic inclut une tâche de pick-and-place comme cas d’usage initial. L’objectif est simple : entraîner un modèle à saisir un objet et à le déplacer vers une position cible. Cette tâche, bien que basique, est un excellent banc d’essai pour valider les performances des algorithmes de manipulation.

Les fichiers de configuration fournis dans le dépôt permettent de lancer la simulation avec des paramètres prédéfinis, comme le montre l’exemple ci-dessous :

pip install openarm-mujoco
openarm-mujoco-launch

Cette commande lance une simulation où le robot OpenArm doit atteindre, saisir et déplacer un objet sur une table. Les scènes de manipulation incluent des objets comme des cubes, des bouteilles ou des poignées de tiroir, ce qui permet de tester différentes dynamiques de contact et de préhension.

Pourquoi cette intégration est-elle importante ?

1. Accélération de l’entraînement : mjlab utilise les capacités de calcul GPU de MuJoCo pour simuler des milliers d’épisodes en parallèle, réduisant ainsi le temps d’entraînement des politiques de manipulation.

2. Transfert vers le matériel réel : Les politiques entraînées en simulation peuvent être transférées vers le robot OpenArm physique grâce à des outils comme Isaac Sim ou Isaac Lab, qui prennent en charge les modèles OpenArm.

3. Modularité et extensibilité : Le dépôt est conçu pour être facilement étendu à d’autres tâches de manipulation, comme l’ouverture de tiroirs, l’utilisation d’outils ou la coordination bimanuelle avancée.

Un écosystème en construction

Cette intégration s’inscrit dans un écosystème plus large autour d’OpenArm. En effet, Enactic propose également des intégrations avec d’autres environnements de simulation, comme Isaac Sim et Isaac Lab, qui permettent d’entraîner des politiques de manipulation avancées, y compris l’apprentissage par imitation et l’utilisation de modèles de fondation.

Les tâches disponibles dans ces environnements incluent :

Comment commencer ?

Pour tester cette intégration, il suffit de cloner le dépôt et d’installer les dépendances :

git clone https://github.com/enactic/openarm_mujoco.git
cd openarm_mujoco
pip install -e .
openarm-mujoco-launch

Les scènes de manipulation sont conçues pour être facilement modifiables, ce qui permet aux chercheurs et aux développeurs d’adapter les tâches à leurs besoins spécifiques.

Perspectives : vers une manipulation robotique plus robuste

Cette intégration entre OpenArm et mjlab ouvre la voie à des avancées significatives dans le domaine de la manipulation robotique. En offrant une plateforme open source, reproductible et accélérée, Enactic contribue à démocratiser l’accès à des outils de pointe pour l’entraînement de robots.

Les prochaines étapes pourraient inclure :

Note de Hype-mètre : 3/5 (Innovation technique pertinente, mais encore en phase de prototypage et d’adoption par la communauté).