描述
Solarian是一个开源Python框架,旨在全面开发、控制、远程操作和训练机器人。它为机器人项目提供了一个统一的堆栈,从硬件集成到高级AI控制,使开发人员能够高效地构建、模拟和部署机器人。该框架围绕一个干净的三节点架构构建:机器人、服务器和控制器,每个节点都可以在不同的机器上作为单独的进程运行。
阅读更多
Solarian设计的关键在于其实时多进程模块化。每个硬件模块,如手臂、夹具或相机,都是在其自己的操作系统进程中以可配置的速率运行,通过共享内存环形缓冲区与机器人循环进行通信。这确保了高频组件不会被较慢的组件瓶颈,从而实现精确和响应迅速的控制。该框架还集成了内置运动学,能够通过正向运动学自动求解逆运动学并实时报告姿态,从而控制末端执行器。
Solarian通过即插即用的硬件和技能系统强调可重用性和可扩展性。开发人员可以安装伺服驱动器、手臂、夹具和相机作为插件,并附带配置。同样,技能——从运动计划到学习策略——可以在不同的机器人之间安装和重用,只要它们暴露兼容的动作。该框架开箱即用地支持仿真,允许相同的机器人声明和配置驱动MuJoCo世界或物理硬件,只需设置一个标志。
一个突出的特点是AI代理控制器,它将任何Solarian控制器转变为AI代理。这个包装围绕一个视觉-语言模型(如Anthropic、OpenAI或兼容服务器)展开,允许用户通过聊天给出高层次的任务。然后,代理计划任务并通过调用机器人的物理技能作为工具来执行它。一个快速监控模型通过相机持续观察运行的技能,提供实时反馈并实现动态调整或干预。该控制器高度可配置,利用Hydra在所有模块和命令中使用组合的YAML配置。
为了学习和开发,Solarian提供强大的录制和训练能力。它允许以原生速率录制相机视频流和传感器信号,确保没有数据质量损失。数据集管理工具便于镜像、拆分、修剪和合并训练集。该框架支持在本地或云GPU上训练各种策略,包括扩散和ACT,并提供将这些训练策略部署到技能的服务。开发者工具如类型化观察和动作(使用Pydantic模式)以及校准工具进一步增强了开发体验,使从概念到功能机器人变得更加容易。
- 类别机器人与 AI 硬件
- 定价模式开源
- 部署On-premise, Cloud (Solarian Base GPUs)
- 平台网页版
Solarian的核心功能
开源Python框架用于机器人技术
实时多进程模块用于硬件
机器人↔服务器↔控制器架构
即插即用的硬件和技能插件
AI代理控制器用于聊天驱动的机器人任务
与任何视觉-语言模型的集成(Anthropic、OpenAI、vLLM)
内置运动学用于末端执行器控制
支持MuJoCo仿真
会话录制和数据集管理
策略训练和服务能力
基于Hydra的YAML配置
使用Pydantic的类型化观察和动作
包括校准工具的开发者工具
用于高吞吐量节点间通信的ZeroMQ
支持PyTorch用于策略和推理
如何使用 Solarian?
安装Solarian:使用`pip install solarian`,可选地使用`pip install 'solarian[agent]'`以启用AI代理功能。
搭建项目:使用`solarian create-project`设置一个新的机器人项目。
附加硬件模块:使用`solarian install <module_name>`安装即插即用的硬件驱动程序及其配置。
配置系统:编辑`conf/robot.yaml`、`conf/controller.yaml`和特定模块的YAML文件以定义您的机器人和控制逻辑。
运行组件:启动中继服务器、机器人循环和控制器进程,可能在不同的机器上。
定义技能:创建或安装AI代理控制器可以作为工具使用的物理技能。
启用AI代理控制:在您的`conf/controller.yaml`中添加`agent:`块并声明`agent_enabled=True`工具。
与机器人互动:通过聊天向AI代理控制器提供高层次任务以规划和执行动作。
Solarian的使用案例
- 构建自定义机器人
- 机器人远程操作
- AI代理控制
- 机器人技能开发
- 机器人仿真
- 机器人策略训练
- 机器人研究
- 硬件集成
- 学习数据收集



