Grabette ระบบบันทึกข้อมูลหุ่นยนต์แบบเปิดเผย ลดค่าใช้จ่ายและเข้าถึงง่าย

สรุปสั้น: Grabette เป็นระบบจับข้อมูลการจัดการหุ่นยนต์แบบพกพาที่เปิดต้นฉบับในเดือนกรกฎาคม 2569 ใช้ Raspberry Pi, กล้อง Pi, เซนเซอร์ OAK-D และแม่เหล็กเอนโค้ดเดอร์ทั้งหมดราคา 490 ยูโร หลังบันทึกข้อมูลจะผ่านกระบวนการบนเบราว์เซอร์แปลงเป็นรูปแบบ LeRobot แล้วอัปโหลดไปยัง Hugging Face Hub ทำให้ห้องทดลองและนักวิจัยไทยสามารถเก็บข้อมูลคุณภาพสูงได้โดยไม่ต้องลงทุนเครื่องมือราคาแพง

ข้อเท็จจริงสำคัญ

• Grabette เปิดตัวในเดือนกรกฎาคม 2569 เป็นระบบจับข้อมูลการจัดการหุ่นยนต์แบบพกพา [2][3][4][5][6]
• ระบบใช้กล้องคู่: เลนส์ fisheye กว้างเพื่อมุมมองบริบทและเซนเซอร์ RGB-D ที่รองรับการสร้างเส้นทาง 6-DoF ด้วย SLAM (การกำหนดตำแหน่งและแผนที่พร้อมกัน) [2][3]
• ตัวเข้ารหัสแม่เหล็กบันทึกสถานะของเกรปเปอร์และเซนเซอร์ทั้งหมดซิงโครไนซ์กับนาฬิกาเดียว [2]
• ส่วนประกอบทั้งหมดเป็นออฟ-ช์-เชลฟ์ เช่น Raspberry Pi, กล้อง Pi มาตรฐาน, เซนเซอร์ OAK-D มีค่าใช้จ่ายประมาณ 490 ยูโร ซึ่งทำให้ค่าเข้าถึงลดลงอย่างมาก [4]
• หลังบันทึกผู้ใช้อัปโหลดไฟล์ดิบไปยังระบบประมวลผลบนเบราว์เซอร์ที่แปลงเส้นทาง ทำความสะอาดและส่งออกเป็นรูปแบบ LeRobot (รูปแบบข้อมูลมาตรฐานสำหรับหุ่นยนต์) [2][3][5]
• ชุดข้อมูลที่ได้ถูกเก็บบน Hugging Face Hub ทำให้นักพัฒนาสามารถดึงข้อมูลเข้าสู่เฟรมเวิร์กการเรียนรู้ได้ทันที [2][3]
• Grabette ทำให้ไม่จำเป็นต้องใช้หุ่นยนต์หรืออุปกรณ์เทเลโอเปอร์เรชันราคาแพง; เพียงมือมนุษย์ถือเกรปเปอร์ก็สร้างข้อมูลพร้อมใช้งานได้ [2][3][5]

เปิดตัว Grabette เพื่อลดอุปสรรคการเก็บข้อมูลหุ่นยนต์

Grabette เปิดตัวในเดือนกรกฎาคม 2569 โดย Pollen Robotics และ Hugging Face เป็นระบบจับข้อมูลการจัดการหุ่นยนต์แบบพกพาที่ออกแบบให้ทุกคนเข้าถึงได้ง่าย

ระบบใช้ฮาร์ดแวร์ออฟ-ช์-เชลฟ์ เช่น Raspberry Pi, กล้อง Pi มาตรฐาน, เซนเซอร์ OAK-D และแม่เหล็กเอนโค้ดเดอร์ ทั้งหมดรวมค่าใช้จ่ายประมาณ 490 ยูโร ซึ่งต่ำกว่าการตั้งค่าเทเลโอเปอร์เรชันหลายพันยูโร [4]

สถาปัตยกรรมฮาร์ดแวร์และเซนเซอร์

Grabette มีการจัดวางกล้องคู่: เลนส์ fisheye กว้างให้มุมมองบริบทจากข้อมือของผู้ถือ และเซนเซอร์ RGB-D ที่รองรับการสร้างเส้นทาง 6-DoF ด้วย SLAM (การกำหนดตำแหน่งและแผนที่พร้อมกัน) ซึ่งช่วยให้บันทึกการเคลื่อนที่ของวัตถุได้อย่างแม่นยำ [2][3]

นอกจากนี้แม่เหล็กเอนโค้ดเดอร์จับสถานะการเปิด-ปิดของเกรปเปอร์และข้อมูลจากกล้องทั้งหมดจะถูกซิงโครไนซ์กับนาฬิกาเดียว เพื่อให้ข้อมูลทุกสตรีมสอดคล้องกันในเวลาเดียวกัน [2]

กระบวนการบันทึกและแปลงข้อมูล

ผู้ใช้ถือ Grabette แล้วทำการสาธิตการจับวัตถุในสภาพแวดล้อมจริง ระบบบันทึกสตรีมภาพและข้อมูลเคเนมาติกแบบต่อเนื่อง เมื่อการบันทึกเสร็จสิ้น ไฟล์ดิบจะถูกอัปโหลดไปยังแพลตฟอร์มบนเบราว์เซอร์ที่ทำการแปลงเส้นทาง, ทำความสะอาดข้อมูลจากสัญญาณรบกวน, และส่งออกเป็นรูปแบบ LeRobot (รูปแบบข้อมูลมาตรฐานสำหรับหุ่นยนต์) [2][3][5]

ชุดข้อมูลที่ได้จะถูกเก็บบน Hugging Face Hub ซึ่งเป็นคลังข้อมูลแบบเปิด ทำให้นักวิจัยและนักพัฒนาสามารถดึงข้อมูลเข้าสู่เฟรมเวิร์กการเรียนรู้เช่น PyTorch หรือ TensorFlow ได้โดยตรง [2][3]

ความแตกต่างจากวิธีเดิมและผลกระทบต่อวงการ

ก่อนหน้านี้การเก็บข้อมูลการจัดการหุ่นยนต์ต้องอาศัยหุ่นยนต์จริงหรืออุปกรณ์เทเลโอเปอร์เรชันราคาแพง ซึ่งทำให้หลายห้องทดลองในประเทศไทยต้องจำกัดจำนวนข้อมูลที่สามารถเก็บได้ Grabette ทำให้การเก็บข้อมูลกลายเป็นเรื่องที่ทำได้ด้วยมือของมนุษย์และอุปกรณ์ราคาต่ำ ทำให้จำนวนชุดข้อมูลที่สามารถสร้างได้เพิ่มขึ้นอย่างรวดเร็ว

การเปิดให้ชุมชนร่วมสร้างชุดข้อมูลใหญ่ช่วยแก้ปัญหาขาดแคลนข้อมูลจริงที่เป็นอุปสรรคต่อการพัฒนาโมเดลนโยบายขั้นสูง เช่น โมเดล transformer-based VLAs, diffusion, และ flow-matching ที่ต้องการข้อมูลหลากหลายและมีคุณภาพสูงเพื่อฝึกฝนอย่างมีประสิทธิภาพ [6]

การนำไปใช้ในประเทศไทย

นักวิจัยด้านหุ่นยนต์ของมหาวิทยาลัยหลายแห่งสามารถนำ Grabette ไปใช้ในห้องทดลองโดยไม่ต้องจัดซื้ออุปกรณ์ราคาแพง ข้อมูลที่ได้สามารถอัปโหลดสู่ Hugging Face Hub แล้วนำไปฝึกโมเดลการควบคุมหุ่นยนต์ในงานต่าง ๆ เช่น การจัดเรียงของบนสายการผลิตหรือการช่วยเหลือในงานบริการ

อนาคตของระบบเปิดและชุมชน

Grabette ยังทำงานร่วมกับ Gripette end-effector ซึ่งเป็นอุปกรณ์หุ่นยนต์ที่ใช้ฮาร์ดแวร์เดียวกันเพื่อทำการดำเนินนโยบายที่เรียนจากข้อมูลที่บันทึกได้ ทำให้การทดลองจากการบันทึกสู่การทำงานจริงเป็นไปอย่างต่อเนื่อง

ทีมพัฒนาเปิดให้ชุมชนมีส่วนร่วมในการพัฒนาซอฟต์แวร์ประมวลผลและเพิ่มฟีเจอร์ใหม่ ๆ ผ่านโครงการบน GitHub ทำให้ระบบยังคงพัฒนาอย่างต่อเนื่องและสอดคล้องกับความต้องการของผู้ใช้ในทุกระดับ

แม้จะมีการเปิดให้ใช้ฟรี แต่การสร้างชุดข้อมูลขนาดใหญ่ยังต้องการการร่วมมือจากหลายองค์กรและนักวิจัยเพื่อให้ได้ความหลากหลายของสภาพแวดล้อมและวัตถุ

สรุปภาพรวม

Grabette นำเสนอแนวทางใหม่ในการเก็บข้อมูลการจัดการหุ่นยนต์โดยลดค่าใช้จ่ายและเปิดให้ทุกคนเข้าถึงได้ผ่านแพลตฟอร์มเปิดของ Hugging Face การใช้ฮาร์ดแวร์ออฟ-ช์-เชลฟ์และกระบวนการแปลงข้อมูลอัตโนมัติทำให้การสร้างชุดข้อมูลคุณภาพสูงเป็นเรื่องง่ายและเร็วขึ้น ในประเทศไทย ระบบนี้อาจเป็นแรงขับเคลื่อนสำคัญสำหรับการวิจัยและพัฒนาหุ่นยนต์ที่ต้องการข้อมูลจริงจำนวนมากเพื่อฝึกโมเดลขั้นสูงต่อไป

Sources

4. Grabette Lowers Costs and Simplifies Robot Data Collection (welcome.ai) — 2026-07-21
5. HyperAI (hyper.ai) — 2026-07-24
6. Grabette: an open system to record robot-manipulation data (huggingface.co) — 2026-07-21
7. Grabette: an open system to record robot-manipulation data (confiatech.com) — 2026-07-21
8. Can Grabette Revolutionize Robot Learning with Open Data Collection? (futurumgroup.com) — 2026-07-22