Hugging Face Microduck: หุ่นยนต์สองขาโอเพนซอร์ส 399 ดอลลาร์
Hugging Face และ Pollen Robotics เปิดตัว Microduck หุ่นยนต์สองขาสูง 25 ซม. ราคา 399 ดอลลาร์ พร้อมระบบฝึกด้วย Reinforcement Learning
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Hugging Face และ Pollen Robotics เปิดตัวหุ่นยนต์สองขา Microduck ราคา 399 ดอลลาร์
- ขนาดกะทัดรัดสูง 25 ซม. กว้าง 14 ซม. และน้ำหนักไม่ถึง 800 กรัม ขับเคลื่อนด้วยมอเตอร์ 15 ตัว
- รองรับการฝึกท่าทางผ่าน Reinforcement Learning บน mjlab และ MuJoCo Warp
- รันระบบด้วยชิป Rockchip RK3566 พร้อมกล้อง LiDAR และแบตเตอรี่ถอดเปลี่ยนได้
Hugging Face ร่วมมือกับ Pollen Robotics เปิดตัวหุ่นยนต์สองขาโอเพนซอร์สรุ่นใหม่ในชื่อ Microduck โดยวางจำหน่ายในราคา 399 ดอลลาร์สหรัฐ (ประมาณ 13,000 บาท) ออกแบบมาให้ผู้ใช้งานสามารถฝึกฝนพฤติกรรมของหุ่นยนต์ได้ด้วยตนเองผ่านเทคโนโลยี Reinforcement Learning พร้อมสเปกฮาร์ดแวร์ที่อัดแน่นเกินราคา
ในด้านโครงสร้างทางกายภาพ Microduck มีความสูง 25 เซนติเมตร ความกว้าง 14 เซนติเมตร และมีน้ำหนักรวมไม่ถึง 800 กรัม ภายในติดตั้งมอเตอร์ทั้งหมด 15 ตัวกระจายอยู่ตามส่วนขา คอ และศีรษะ รวมถึงมีจะงอยปากที่สามารถขยับเพื่อหยิบจับสิ่งของจากพื้นได้ โดยใช้หน่วยประมวลผล Rockchip RK3566 พร้อมตัวเร่งความเร็ว AI, แรม 1 GB และพื้นที่เก็บข้อมูล 32 GB
ระบบเซนเซอร์ภายในตัวหุ่นถือว่าครบครัน ประกอบด้วยกล้องด้านหน้าที่มาพร้อมไฟแสดงสถานะการใช้งาน เซนเซอร์ IMU สองจุด (ที่ลำตัวและศีรษะ) ระบบวัดระยะ LiDAR แบบ time-of-flight ขนาด 8x8 เมทริกซ์ ไมโครโฟน ลำโพง เสาอากาศ NFC สองชุด รวมถึงการเชื่อมต่อ Wi-Fi และบลูทูธ โดยใช้พลังงานจากแบตเตอรี่ NP-F550 ขนาด 2600 mAh ที่ถอดเปลี่ยนได้ ซึ่งใช้งานได้ต่อเนื่องประมาณหนึ่งชั่วโมง
ตัวหุ่นมาพร้อมท่าทางที่ฝึกมาแล้ว 7 ท่าในกล่อง ซึ่งควบคุมผ่านจอยเกมที่ให้มา ได้แก่ การเดิน นั่งและยืน เตะสิ่งของ หยิบของ เล่นโรลเลอร์สเกต และการลุกขึ้นยืนเอง ทั้งนี้หุ่นยนต์จะไม่สามารถพูดได้ แต่จะสร้างเสียงเฉพาะตัวขึ้นมาเองเมื่อเปิดใช้งานครั้งแรกและจะใช้เสียงนั้นถาวร
การเปิดตัว Microduck ถือเป็นก้าวสำคัญในการทำให้ฮาร์ดแวร์หุ่นยนต์ระดับการศึกษามีราคาเข้าถึงได้ง่ายขึ้น การที่โครงการเลือกใช้แนวทางโอเพนซอร์สควบคู่กับเฟรมเวิร์กการเรียนรู้ของเครื่องอย่าง MuJoCo Warp ช่วยให้ นักพัฒนาและนักศึกษาสามารถทดลองจำลองสถานการณ์ (Sim-to-Real) ได้บนฮาร์ดแวร์จริงโดยไม่ต้องลงทุนกับชุดทดลองราคาแพงเหมือนในอดีต
สำหรับการฝึกนโยบาย (Policies) จะทำผ่านแพ็กเกจ microduck_rl บนพื้นฐานของ mjlab (MuJoCo Warp) ร่วมกับอัลกอริทึม PPO โดยใช้เวลาเทรนบน CUDA GPU เพียง 1 ถึง 2 ชั่วโมง สำหรับการสร้างท่าเดินที่ใช้งานได้จริงในสภาพแวดล้อมเสมือนคู่ขนาน 4096 รูปแบบ หรือสามารถรันผ่าน Hugging Face Jobs ได้หากไม่มีการ์ดจอในเครื่อง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในส่วนของการแปลงโมเดล sim-to-real ทาง Pollen ได้จำลองแบบจำลองแอคชูเอเตอร์ (Actuator model) ด้วยโมเดล BAM M6 ของ Dynamixel XL330 พร้อมจำลองแรงดันไฟฟ้า แรงเสียดทาน และการสึกหรอของเกียร์ เพื่อให้โมเดลที่ฝึกในคอมพิวเตอร์สามารถนำมาใช้กับหุ่นยนต์จริงได้อย่างแม่นยำผ่านรันไทม์ภาษา Rust ที่ความถี่ 50 Hz
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น