Robotik & Autonomie

RobotKraft, Imitationslernen auf einem SO-ARM101-Arm

LeRobot
SmolVLA
SO-ARM101
Apprentissage par imitation
Python
Docker

Dreitägige KI- und Robotik-Challenge in Illkirch. Fine-Tuning von SmolVLA auf einem SO-ARM101-Arm, ein 3. Platz und ein ehrlicher Rückblick auf Modelle, die auf dem Roboter nicht funktioniert haben.

Platz der Challenge
3.
aufgezeichnete Zyklen pro Mission
~50
Kontext3-tägige Challenge, SO-ARM101-Arm
Ansatz~50 Demonstrationen, SmolVLA
ErgebnisPlatz 3, Modell verworfen

Kontext

RobotKraft ist eine KI- und Robotik-Challenge, vom 2. bis 4. Oktober 2026 in Illkirch. Jedes Team hatte ein SO-ARM101-Kit (Leader- und Follower-Arm), das LeRobot-Framework, eine Handgelenkkamera und eine Tiefenkamera. In meinem Team, „les Bras cassés“ (die gebrochenen Arme), war ich für die Daten und das Modell zuständig.

Was ich gemacht habe

  • Vollständige Kette mit offiziellen LeRobot-Befehlen, von der Teleoperation bis zur Auswertung, gesteuert über ein Makefile.
  • Etwa 50 aufgezeichnete Zyklen pro Mission per Teleoperation, bei Missionen mit mehreren Aktionen.
  • Automatische Prüfung jedes Datensatzes vor dem Upload auf den Hub.
  • Fine-Tuning von SmolVLA, mit einem ACT-Modell als Rückfalllösung.

Was mir aufgefallen ist und was ich gelernt habe

  • Rund fünfzig Demonstrationen reichen nicht, damit SmolVLA bei verketteten Aufgaben generalisiert.
  • Die Inferenz zählt so viel wie das Training. Auf unserer CPU brauchte SmolVLA 5 s für 1,7 s Bewegung.

Meine Fehler

  • Die trainierten SmolVLA-Modelle haben unter realen Bedingungen nicht funktioniert, mangels ausreichender Daten.
  • Wie die anderen Teams sind wir auf Algorithmik und das Abspielen der Teleoperation ausgewichen.

Ergebnisse

  • 3. Platz der Challenge.
  • Ein öffentliches Repository, das die gesamte Kette dokumentiert, von der Installation bis zum Test am Roboter.
  • Geplant ist, dasselbe Kit anzuschaffen, um zu Hause weiterzumachen.

Tech-Stack

LeRobot 0.5.1
SmolVLA (smolvla_base)
ACT
SO-ARM101 leader + follower
OAK-D Lite
Caméra poignet
Hugging Face Hub
Docker
Python
OpenCV
RapidOCR

Galerie