Día 18
Una red de visión pequeña, entrenada con un dataset de imágenes de la cámara, le dice al actor cómo está girado el cubo. Con un premio al tocar el cubo aline...
Una red de visión pequeña, entrenada con un dataset de imágenes de la cámara, le dice al actor cómo está girado el cubo. Con un premio al tocar el cubo aline...
La orientación no funcionaba: el actor no ve el giro del cubo. Probando con el actor y con el crítico se ve que tiene que recibirlo el actor, y se decide dár...
Una recompensa para coger el cubo con la pinza alineada: alinea algo más, pero solo corrige giros pequeños.
Zonas más grandes, una pinza que se mueve como la real y una red final entrenada desde cero.
Los dedos dejan de bailar, un entrenamiento que colapsa y cómo elegir la red buena.
Pick and place completo con el UR5e, un brazo más lento y las caídas del cubo.
Pick and place más preciso, comprobación del destino relativo a la base y primeros pasos con el UR5e.
Pick and place llevando el cubo en alto.
Pick and place con el destino relativo a la base del robot.
Pick and place: coger el cubo del suelo y dejarlo en otro punto del suelo.
Separar el entrenamiento de la inferencia: un programa que usa la red ya entrenada sin mjlab.
Conseguir que el robot con cámara coja el cubo, lo levante y lo lleve al objetivo.
Conseguir que el robot con cámara agarre el cubo.
Probar el ejemplo de mjlab del brazo YAM con cámara y preparar mi propia copia de la tarea para poder modificarla.
Arreglar la GPU, instalar mjlab y comprobar si mi portátil puede entrenar el ejemplo del brazo YAM sin cámara.
Investigar si es viable aplicar aprendizaje por refuerzo (RL) a un brazo robótico. La tarea concreta todavía no está decidida.
Familiarizarme con la API de MuJoCo para controlar el UR5e: entender cómo se relacionan el modelo (model), el estado (data) y los actuadores (ctrl).
Poner en marcha el entorno de simulación y conseguir un primer modelo de brazo robótico funcionando.