如何使用myController Exoskeleton获取训练数据

在这个项目中，我们使用可穿戴式动作捕捉设备myController S570来收集Ubuntu 20.04上的人体运动数据。这些数据将被输入LeRobot，这是一个开源的示范学习(LfD)平台，使机器人能够通过模仿人类示范来学习任务。

S570提供来自多个自由度的实时方向和运动数据，使其成为远程操作和机器人训练应用的理想选择。

LeRobot

LeRobot是一个基于ROS的开源模块化机器人平台，专为快速原型和现实世界的机器人控制而设计。它支持与各种硬件和人工智能模型轻松集成。

确保使用带有CUDA内核的GPU设备;否则，将无法成功安装环境。

myController S570

myController S570具有高度兼容性，可轻松适应工业应用中广泛使用的协作机器人。其轻巧的外骨骼确保易于携带，同时支持高达14个自由度(DOF)。配备2个操纵杆和2个按钮，非常适合远程操作，无人任务研究和数据采集，使其成为工业自动化和工作站设置的理想工具。

安装前，需要做好以下准备工作：

●Python 3.8+

●环境管理Miniconda

●Git和pip

1.1安装Git工具

1.2安装Miniconda

当出现提示时，选择“yes”初始化Conda。

关闭并重新打开您的终端或运行：

1.3创建Conda环境

1.4克隆LeRobot存储库

1.5安装Python依赖项

2. 安装“myController S570”的ROS包

2.1构建ROS工作区

3将数据收集脚本放入目录

创建一个新文件，将代码复制到其中，并将其保存为“data_record.py”。

4. 运行数据采集

在ROS环境中为myController运行RViz进程，然后执行数据收集脚本。脚本将自动从ROS主题订阅机器人手臂关节状态和外部摄像机数据，并对数据进行相应处理，并保存到文件中。

总结

本文简要介绍了如何使用myController S570为LeRobot生成训练数据。在下一阶段，我们将集成一个真实的机械臂myCobot 280进行数据采集和模型训练，旨在通过LeRobot框架实现机械臂控制。我们也期待着更多的研究人员探索外骨骼在先进科学应用中的潜力。

本文编译自hackster.io