Hugging Face, sebuah perusahaan yang dikenal luas dalam komunitas artificial intelligence (AI) atau kecerdasan buatan, baru-baru ini meluncurkan pustaka (library) terbaru mereka yang diberi nama LeRobot. Pustaka ini menawarkan serangkaian model, dataset (kumpulan data), dan tools (alat) yang dirancang khusus untuk pengembangan robotika di dunia nyata. LeRobot dibangun menggunakan PyTorch, sebuah kerangka kerja (framework) populer untuk machine learning (pembelajaran mesin), dengan tujuan utama untuk menurunkan hambatan masuk bagi para pengembang yang ingin terjun ke bidang robotika.
LeRobot mencakup berbagai pendekatan mutakhir dalam imitation learning (pembelajaran imitasi) dan reinforcement learning (pembelajaran penguatan). Pustaka ini menyediakan model-model yang sudah dilatih sebelumnya (pretrained models), dataset yang dikumpulkan dari interaksi manusia, serta lingkungan simulasi yang mudah diakses melalui Hugging Face Hub, sebuah platform kolaborasi dan berbagi sumber daya AI. Dengan sumber daya yang lengkap dan mudah diakses ini, LeRobot diharapkan dapat mempercepat inovasi dan pengembangan aplikasi robotika di berbagai bidang.
Membangun Lengan Robot Terjangkau dengan LeRobot
Salah satu fitur menarik dari pustaka LeRobot adalah adanya tutorial baru yang memandu pengguna dalam membangun lengan robot yang terjangkau dengan biaya sekitar $110 USD atau setara dengan 1,8 juta rupiah. Tutorial ini tidak hanya memberikan panduan perakitan perangkat keras (hardware), tetapi juga mengajarkan cara melatih robot tersebut untuk mempelajari keterampilan baru hanya dengan demonstrasi melalui laptop.
Tutorial robot SO-100, demikian nama tutorial tersebut, menyediakan instruksi langkah demi langkah yang sangat rinci dan mudah diikuti. Instruksi ini mencakup proses konstruksi mekanis lengan robot, perakitan komponen elektronik, hingga pemrograman dasar untuk mengendalikan robot tersebut. Dengan adanya tutorial ini, bahkan pemula yang tidak memiliki latar belakang robotika yang kuat pun dapat mencoba membangun dan memprogram lengan robot mereka sendiri dengan biaya yang relatif rendah.
Instalasi dan Pengaturan Awal
Proses instalasi LeRobot dirancang agar relatif mudah dan dapat diakses oleh berbagai tingkat pengguna. Langkah pertama dalam instalasi adalah mengunduh source code (kode sumber) pustaka LeRobot. Setelah kode sumber berhasil diunduh, pengguna perlu membuat lingkungan virtual Python 3.10. Lingkungan virtual ini berfungsi untuk mengisolasi instalasi LeRobot dari pustaka Python lain yang mungkin sudah terinstal di sistem, sehingga mencegah potensi konflik dan memastikan lingkungan yang bersih dan terkontrol.
Setelah lingkungan virtual Python 3.10 berhasil dibuat dan diaktifkan, langkah selanjutnya adalah menginstal pustaka LeRobot itu sendiri. Proses instalasi ini dapat dilakukan dengan perintah instalasi Python standar. Selama proses instalasi, pengguna juga diberikan opsi untuk menginstal lingkungan gymnasium (lingkungan latihan) opsional. Lingkungan gymnasium ini mencakup beberapa lingkungan simulasi robotika yang berbeda, seperti aloha, xarm, dan pusht. Lingkungan-lingkungan simulasi ini dapat digunakan untuk menguji dan mengembangkan algoritma robotika secara virtual sebelum diimplementasikan pada robot fisik.
Penggunaan dan Kontribusi pada LeRobot
Pustaka LeRobot menyediakan format LeRobotDataset yang mempermudah proses pemuatan dataset (kumpulan data) dari Hugging Face Hub maupun dari folder lokal. Format dataset ini menawarkan data episodic (episodik) yang kaya informasi, termasuk camera streams ( aliran data kamera), robot states (status robot), dan actions (aksi) yang dilakukan oleh robot. Dengan format dataset yang terstruktur dan mudah diakses ini, pengguna dapat dengan cepat memulai eksperimen dan pengembangan algoritma robotika.
Selain itu, LeRobot juga menyediakan instruksi yang jelas dan komprehensif untuk memvisualisasikan dataset dan mengevaluasi pretrained policies (kebijakan yang sudah dilatih sebelumnya) menggunakan script (skrip) yang telah disediakan. Untuk membantu meningkatkan efisiensi kode, pustaka ini juga menyertakan profiling code (kode profil) yang dapat digunakan untuk menganalisis kinerja dan mengidentifikasi area yang perlu dioptimalkan. Dengan tools visualisasi dan evaluasi yang lengkap, LeRobot memudahkan pengguna dalam memahami data, menganalisis kinerja model, dan melakukan iterasi pengembangan dengan lebih efektif.
Sebagai sebuah proyek open-source (sumber terbuka), LeRobot sangat mendorong kontribusi dari komunitas pengembang robotika. Pustaka ini menyediakan panduan lengkap dan instruksi yang jelas bagi siapa saja yang ingin berkontribusi, termasuk panduan untuk menambahkan pretrained policies ke Hugging Face Hub. Dengan semangat kolaborasi dan kontribusi komunitas, LeRobot diharapkan dapat terus berkembang dan menjadi pustaka robotika yang semakin kaya fitur dan bermanfaat bagi banyak orang.