Grabette：机器人操作数据记录开源系统

机器人学习领域正面临一个尴尬的现实：模型不是瓶颈，数据才是。虽然我们已经有了Transformer架构的视觉语言动作模型（VLA）、扩散策略、流匹配策略甚至世界模型，GPU算力也足够强大，但真正稀缺的是大规模、多样化、真实世界的机器人操作数据。传统做法是通过远程操控机器人来收集数据，这不仅需要昂贵的机器人硬件，而且操作过程耗时费力，用户往往需要花费数小时进行繁琐的遥操作，同时还要应对复杂的硬件和后勤挑战。这种模式显然难以扩展到所需的多样化任务和环境。 为了解决这个数据供给难题，HuggingFace团队联合Pollen Robotics等机构推出了Grabette——一个开源、低成本的手持操作数据记录系统。这个系统的核心理念是：你不需要机器人来收集机器人数据，只需要一只人手、一个夹爪、一个摄像头，以及追踪手部6自由度轨迹的方法。Grabette直接受斯坦福大学通用操作接口（UMI）启发，但做了大量易用性优化。它配备了两个摄像头：一个廉价广角鱼眼摄像头为策略模型提供类似腕部相机的上下文视角，另一个RGBD摄像头则负责稳健的6自由度轨迹追踪。整个系统物料成本仅约490欧元，用户只需手持这个设备完成操作任务，系统就能自动生成干净、可直接用于机器人训练的数据集。更关键的是，Grabette完全融入现代开源生态——数据集通过LeRobot管理，通过Hugging Face Hub共享，数据处理流程甚至可以在浏览器中运行，无需安装任何软件。 这个项目的更大野心是构建一个开放协作的大规模操作数据集。团队认为，如果记录演示数据能像拍摄视频一样简单，任何人都可以成为数据贡献者。为此，他们还同步推出了Gripette——Grabette的机器人端执行器孪生兄弟，物料成本约120欧元，配备摄像头和两个伺服电机，可以安装在真实或模拟机器人手臂上执行学习到的动作。整个项目硬件设计、CAD文件和生产文档全部开源，任何人都可以在工作台上复现、在实地使用并贡献数据。对于中国跨境电商卖家和AI从业者来说，这意味着机器人训练数据的获取门槛正在急剧降低，未来可能催生出一批专注于机器人数据采集和模型训练的新型服务商，同时也为智能仓储、自动化分拣等场景提供了更廉价的数据解决方案。