Dataproblemet ingen GPUer løser

Feltet for robotlæring har tilstrekkelig regnekraft. Det finnes kapable modellarkitekturer — transformerbaserte VLA-er (Vision-Language-Action-modeller), diffusjonspolicyer og verdensmodeller — og GPUer til å trene dem. Det som mangler er store, varierte datasett fra den virkelige verden.

Tradisjonell datafangst krever teleoperasjon: en menneskelig operatør styrer en fysisk robot gjennom hver oppgave, én bevegelse av gangen. Det forutsetter tilgang til en robot, er tidkrevende og vanskelig å skalere over hundrevis av ulike oppgaver og miljøer. Grabette-prosjektet fra Pollen Robotics, nå en del av Hugging Face etter oppkjøpet i april 2025, tar en annen vei: du trenger ikke en robot for å samle inn robotdata.

Grabette er en håndholdt gripper utstyrt med to kameraer med ulike roller. Et bredt fisheye-kamera gir den kontekstrike visningen en AI-policy trenger under trening. Et RGBD-kamera — som måler både farge og dybde — håndterer 6-DoF-sporing, det vil si presis registrering av posisjon og orientering i alle seks bevegelsesdimensjoner. En Raspberry Pi er innebygd i enheten og lagrer data lokalt under innspillingen. Materialvarekostnaden er ifølge Hugging Face-bloggen rundt 490 euro. Den tilhørende robotgripperen Gripette, som monteres på en robotarm og utfører de innlærte bevegelsene, koster rundt 120 euro i komponenter.

Fra Stanfords laboratorium til åpen standard

Grabette er direkte inspirert av Universal Manipulation Interface (UMI), utviklet ved Stanford University. UMI er et rammeverk for datafangst som overfører menneskelige demonstrasjoner «in the wild» til policyer som kan kjøres på roboter, og hele systemet ble åpen kildekode. Pollen Robotics-teamet bygger videre på dette: der UMI brukte et GoPro-kamera og monokulær SLAM for å rekonstruere baneforløp, kombinerer Grabette fisheye-kamera med RGBD-dybdekamera og IMU (treghetssensoer) for mer robust sporing.

Det finnes lukkede konkurrenter — Agibots MEgo-gripper, Genrobots DAS-gripper og Sunday Robotics' datahandske — men ifølge Hugging Face-bloggen er målet med Grabette å gjøre terskelen fra «jeg har en oppgave» til «jeg har en trent modell» så lav som mulig, uten avhengighet til lukkede plattformer eller proprietære datapipelines.

Alt er åpen kildekode: CAD-filer og produksjonsfiler for begge enheter, programvaren som kjører på Raspberry Pi, prosesseringspipelinen og et referanseeksempel med LeRobot-trening evaluert på en OpenArm 7-DoF-robotarm. Komponentene er standardhyllevare: et Raspberry Pi-kort, et standard Pi-kamera, et OAK-D dybdekamera og magnetiske encodere.

To trinn fra hånd til treningsdatasett

Arbeidsflyten er tilsiktet enkel. Brukeren trykker på en knapp for å starte en episode, utfører oppgaven for hånd og trykker igjen for å stoppe. Data fra observasjonskameraet, sporingskameraet og gripperens encoder-verdier synkroniseres mot én felles klokke og lagres lokalt.

Prosessering skjer via et nettleserbasert dashboard: brukeren velger episodene de vil inkludere, og med ett klikk lastes de opp til Hugging Face Hub. En automatisert pipeline kjører SLAM (Simultaneous Localization and Mapping) — en teknikk for å rekonstruere romlig bane uten eksterne referansemerker — via RTAB-MAP-biblioteket, verifiserer at sporingen er uten hopp eller feil, konverterer dataene til LeRobot-format og laster opp et ferdig datasett til brukerens eget område på Hub-en. Ingen lokal programvare å installere.

LeRobot er Hugging Faces åpne rammeverk for robotlæring. Plattformen hoster per mai 2026 over 58 000 fellesskapsbidragte datasett, opp fra 1 145 ved utgangen av 2024, ifølge IEEE Spectrum. Grabette-data er kompatibelt med ethvert læringsopplegg som konsumerer LeRobot-formatet og er robot-agnostisk: demonstrasjoner lagres som kamera-lokal 6-DoF kartesisk pose pluss grippertilstand, noe som lar samme data drive ulike robotarmer og ulike læringsmetoder.

Hva dette betyr for industriautomasjon

For virksomheter som automatiserer produksjon, lager eller logistikk er flaskehalsen sjelden selve robotarmen — det er tilpasning til nye oppgaver. En robot som lærer fra menneskelige demonstrasjoner og kan trenes på data samlet inn på fabrikk-gulvet uten spesialisert teleoperasjonsrigg, senker terskelen for fleksibel automasjon.

Grabette-modellen peker mot en ny arbeidsflyt: en maskinfører demonstrerer oppgaven for hånd, dataene prosesseres automatisk, og en policy trenes og deployes på robotarmen — uten ekstern robotprogrammerer for hver nye variant. Referanseeksemplet, som bruker 200 demonstrasjoner, er ifølge Hugging Face trent med en Diffusion Policy på ett enkelt forbrukerkort-GPU.

Åpne, delte datasett for robotmanipulasjon er i ferd med å strukturere seg rundt LeRobot Hub på samme måte som ImageNet strukturerte synsgjenkjenningsforskning tidlig på 2010-tallet. NVIDIA integrerte allerede Isaac GR00T 1.7 og Isaac Teleop-rammeverket i LeRobot, og forbinder ifølge selskapet 3 millioner robotikkutviklere med Hugging Faces 16 millioner AI-byggere. Jo større og mer variert det delte datasettet blir, jo mer nytter åpne modeller for spesialiserte industrioppgaver.

Pollen Robotics varsler allerede neste steg: Casquette, en hodemont POV-enhet for egosentrisk innspilling, er under utvikling. Grabette er ifølge laget bare starten.