🤖 AI

VILAS: A VLA-Integrated Low-cost Architecture with Soft Grasping for Robotic Manipulation

Het artikel presenteert VILAS, een kostenefficiënt, modulair robotplatform met een op kirigami gebaseerde zachte grijper en een geünificeerd communicatiekader, dat succesvol de training en implementatie van state-of-the-art vision-language-action-modellen demonstreert voor veilige, end-to-end manipulatie van breekbare objecten zoals druiven.

Oorspronkelijke auteurs: Zijian An (Luna), Hadi Khezam (Luna), Bill Cai (Luna), Ran Yang (Luna), Shijie Geng (Luna), Yiming Feng (Luna), Yue (Luna), Zheng, Lifeng Zhou

Gepubliceerd 2026-05-06

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Zijian An (Luna), Hadi Khezam (Luna), Bill Cai (Luna), Ran Yang (Luna), Shijie Geng (Luna), Yiming Feng (Luna), Yue (Luna), Zheng, Lifeng Zhou

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een robot wilt leren hoe je delicate vruchten, zoals druiven, moet oppakken zonder ze te verpletteren. Meestal kost het bouwen van een robot die slim genoeg is om dit te doen een fortuin—denk aan tienduizenden dollars—en vereist het complexe, dure sensoren om te "voelen" hoe hard hij knijpt.

De auteurs van dit artikel, VILAS, besloten een goedkopere, slimmere en toegankelijkere versie te bouwen. Ze creëerden een "low-cost" robotplatform dat deze taken kan leren uitvoeren met behulp van een nieuw type AI genaamd een VLA (Vision-Language-Action) model. Denk aan een VLA als een robotbrein dat de wereld kan "zien", een eenvoudige instructie kan "lezen" (zoals "pak de druif op") en direct uitvindt hoe het zijn arm moet bewegen om dit te doen, allemaal in één keer.

Hier is een uiteenzetting van hoe ze het bouwden en wat ze ontdekten, met behulp van eenvoudige analogieën:

1. Het Robotlichaam: De "Budgetvriendelijke" Atleet

In plaats van een onderzoeksrobot van $33.000 te kopen (zoals het beroemde ALOHA-systeem), bouwden ze hun eigen versie met kant-en-klare onderdelen die in totaal ongeveer $8.000 kostten.

De Arm: Ze gebruikten een Fairino FR5, een collaboratieve robotarm. Denk hierbij aan een betrouwbare, industriële arm die soepel en precies is, maar veel goedkoper dan de op maat gemaakte exemplaren die normaal in laboratoria worden gebruikt.
De Hand: Ze gebruikten een standaard elektrische grijper (de Jodell RG52-50), die lijkt op een basis mechanische hand die kan openen en sluiten.
De Ogen: Ze bevestigden twee camera's: één die van bovenaf kijkt (het "drone-uitzicht") en één aan de pols (het "close-up-uitzicht") om precies te zien wat de hand aanraakt.

2. Het Geheime Ingrediënt: De "Origami" Zachte Handschoen

De grootste uitdaging is het oppakken van breekbare dingen zonder ze te verpletteren. Meestal heb je dure sensoren nodig om kracht te meten. VILAS gebruikte die niet. In plaats daarvan ontwierpen ze een zachte, meegaande extensie gemaakt met een techniek genaamd Kirigami.

De Analogie: Stel je voor dat je een vlak vel papier neemt en specifieke patronen erin snijdt (zoals een sjabloon). Als je dit vel knijpt, kromp het niet zomaar; het vouwt en buigt zich van nature in een 3D-vorm, zoals een bloeiende bloem of een vormende schelp.
Hoe het werkt: Ze printten deze "Kirigami-schelp" in 3D en bevestigden hem aan de harde grijper van de robot. Wanneer de robot zijn hand sluit, plakt deze zachte schelp en wikkelt hij zich zachtjes om de druif. Het fungeert als een passief veiligheidsnet: het materiaal zelf absorbeert de druk, waardoor de druif niet wordt verpletterd, zelfs als de robot geen "voel"-sensor heeft. Het is alsof je een dikke, zachte handschoen draagt die je hand beschermt zonder dat je hoeft na te denken over hoe hard je knijpt.

3. Het Brein: De Robot Leren via "Teleoperatie"

Om de robot te leren, schreven ze geen complexe code. In plaats daarvan gebruikten ze een teleoperatie-systeem.

De Analogie: Stel je voor dat een mens een "meester"-handschoen draagt (een goedkope, in 3D geprinte arm genaamd GELLO). Wanneer de mens zijn hand beweegt, kopieert de robot (de "volger") de beweging direct.
De mens pakt druiven op en doet ze 100 keer in een doos. De robot neemt elke beweging, elke camerahoek en de spraakopdracht ("Pak de druif op") op. Dit creëert een "handboek" van 100 demonstraties.
Vervolgens namen ze drie verschillende, geavanceerde AI-breuinen ( $\pi_0$ , $\pi_0.5$ , en GR00T N1.6) en "fine-tuneden" ze met dit handboek. Ze leerden de AI niet vanaf nul; ze toonden haar gewoon hun specifieke voorbeelden zodat ze de taak kon leren.

4. De Resultaten: Wie Won het Druivenspel?

Ze testten de drie AI-modellen op een taak: pak drie druiven achter elkaar op en doe ze in een doos.

De "One-Shot" Kampioen ( $\pi_0.5$ ): Dit model was het beste in het succesvol oppakken van een enkele druif (84% succespercentage). Het was zeer goed in de eerste poging.
De "Marathon" Kampioen (GR00T N1.6): Dit model was het beste in de hele reeks. Hoewel het iets minder perfect was bij de allereerste pakk (82%), was het veel beter in doorgaan. Het pakte succesvol twee druiven achter elkaar op in 58% van de gevallen, terwijl de anderen de bal lieten vallen na de eerste poging.
Het "Stotteren" Probleem: De andere modellen raakten de neiging na de eerste druif in de war. Ze gingen terug naar dezelfde plek waar ze net hadden gepakt, of lieten de druif vallen omdat hun "grijp"-instructies onstabiel werden. Het GR00T-model bleef gefocust en herhaalde zijn fouten niet zo vaak.

5. De "Magische" Generalisatie

Om te zien of de robots echt slim waren of gewoon de druif hadden gememoriseerd, vervingen ze de druiven door kersen (die er anders uitzien: kleiner, roder en gladder). Ze trainden de robots niet opnieuw; ze veranderden alleen de spraakopdracht.

Het Resultaat: Alle drie de modellen konden de kersen nog steeds redelijk goed oppakken. Dit bewijst dat de robots het concept van "een klein rond object grijpen" hadden geleerd in plaats van alleen de exacte uitstraling van een druif te memoriseren.

Samenvatting

Het artikel bewijst dat je geen laboratorium van een miljoen dollar nodig hebt om een robot te bouwen die delicate taken kan leren. Door een goedkope industriële arm, een in 3D geprinte "origami"-zachte handschoen en moderne AI-modellen te combineren, creëerden ze een systeem dat kan leren om breekbaar fruit op te pakken. Het toont aan dat met het juiste "zachte" mechanische ontwerp en slimme AI, low-cost robots hoog-precisie werk kunnen verrichten.

Technische Samenvatting: VILAS – Een in VLA geïntegreerde, laagkostenarchitectuur met zachte grijpers voor robotmanipulatie

Probleemstelling
Robotmanipulatie van breekbare objecten, zoals verse landbouwproducten, vormt aanzienlijke uitdagingen vanwege de lage tolerantie van deze items voor overmatige contactkrachten. Traditionele benaderingen vertrouwen vaak op dure multi-axiale krachtmomentensensoren, tactiele arrays of gespecialiseerde impedantiebesturingssystemen, wat de hardwarekosten en systeemcomplexiteit verhoogt. Bovendien vereisen de recente vooruitgang in Vision-Language-Action (VLA)-modellen, die een unificerend paradigma bieden voor end-to-end robotbesturing, doorgaans dure, proprietaire robotecosystemen (bijvoorbeeld ALOHA-systemen met kosten van ongeveer $33.000) voor training en implementatie. Dit creëert een aanzienlijke financiële barrière voor onderzoekers die learning-based manipulatiesystemen willen ontwikkelen en experimenteren op toegankelijke hardware.

Methodologie
De auteurs presenteren VILAS, een volledig laagkosten, modulier robotmanipulatieplatform dat is ontworpen om de volledige VLA-workflow te ondersteunen – van dataverzameling via teleoperatie tot policy-finetuning en real-time implementatie.

Hardware-architectuur: Het systeem integreert drie hoofdbestanddelen:
- Manipulator: Een Fairino FR5 collaboratieve arm (industriële kwaliteit, borstelloze DC-motoren), gekozen omwille van de soepelheid en precisie van de beweging, met kosten van ongeveer $4.000.
- Eind-effector: Een Jodell RG52-50 elektrische parallelgrijper (~$1.500) aangevuld met een op kirigami gebaseerde, zachte, compliant uitbreiding. Deze uitbreiding, vervaardigd uit PEBA met FDM 3D-printen, induceert voorspelbare vervorming onder compressielast. Het biedt passieve mechanische compliantie om variaties in contactkracht op te vangen, waardoor veilig grijpen van breekbare objecten mogelijk is zonder expliciete krachtsensoren.
- Perceptie: Een dual-camera-opstelling bestaande uit een RealSense D455 gemonteerd op de basis (wereldwijde werkruimte-weergave) en een RealSense D405 gemonteerd op de pols (weergave van interactie op korte afstand), met totale kosten van ongeveer $1.000.
- Teleoperatie: Een GELLO-leiderarm (~$500) opgebouwd uit 3D-geprinte onderdelen en Dynamixel-servomotoren, die kinematisch equivalente besturing biedt voor dataverzameling.
- Totale kosten: Het volledige platform kost ongeveer $8.000, aanzienlijk lager dan vergelijkbare onderzoekssystemen.
Software en besturing: Het systeem maakt gebruik van een op ZMQ gebaseerde communicatiearchitectuur om de teleoperatieclient, datarecorder en robotactuatoren te coördineren. Tijdens implementatie draait de besturingslus op 20 Hz. Het systeem hanteert een strategie voor actie-chunking waarbij één model-inferentie een reeks acties genereert (50 stappen voor $\pi_0$ / $\pi_{0.5}$ , 16 stappen voor GR00T N1.6), waardoor hoogfrequente besturing wordt ontkoppeld van inferentie met lagere frequentie.
VLA-evaluatie: De auteurs hebben drie state-of-the-art VLA-modellen – $\pi_0$ , $\pi_{0.5}$ en GR00T N1.6 – op het VILAS-platform gefinetuned en geëvalueerd. Alle modellen werden geïnitieerd vanuit publiek beschikbare voorgeprende checkpoints en gefinetuned op een identiek dataset van 100 demonstratie-episoden verzameld via de VILAS-teleoperatiepipeline.

Belangrijkste bijdragen

Systeemontwerp: De implementatie van VILAS, een volledig geïntegreerd, laagkosten robotplatform dat de end-to-end VLA-workflow ondersteunt met behulp van modulaire, betaalbare componenten.
Innovatie in zachte grijper: Het ontwerp van een mechanisch compliant, op kirigami gebaseerde zachte uitbreiding die veilige manipulatie van breekbare objecten mogelijk maakt zonder afhankelijkheid van dure krachtsensoren of complexe krachtbesturingsstrategieën.
Empirische benchmarking: De implementatie en vergelijkende evaluatie van drie verschillende VLA-modellen ( $\pi_0$ , $\pi_{0.5}$ , GR00T N1.6) op identieke laagkostenhardware en demonstratiegegevens, wat praktische inzichten biedt in hun implementatiekarakteristieken.

Resultaten
Experimenten werden uitgevoerd op een taak voor het grijpen van druiven (het plukken van 3 druiven en het plaatsen ervan in een doos) en een generalisatietest op kersen.

Succes bij enkelvoudig grijpen: $\pi_{0.5}$ behaalde het hoogste succespercentage bij enkelvoudig grijpen (84%), gevolgd door GR00T N1.6 (82%) en $\pi_0$ (70%).
Succes bij meervoudig grijpen: GR00T N1.6 toonde superieure consistentie in sequentiële taken, met een succespercentage van 58% voor het voltooien van ten minste twee opeenvolgende grijpacties. Dit presteerde aanzienlijk beter dan $\pi_{0.5}$ (36%) en $\pi_0$ (22%).
Latentie bij inferentie: GR00T N1.6 vertoonde de laagste gemiddelde inferentielatentie (63,6 ms), hoewel de kosten per stap hoger waren vanwege een kortere actiehorizon (16 stappen versus 50 stappen).
Generalisatie: Alle modellen vertoonden redelijke prestaties op kersen zonder aanvullende finetuning, wat aangeeft dat de geleerde policies manipulatieprimitieven bevatten die generaliseren over visueel verschillende objecten.
Foutmodi: Analyse toonde aan dat $\pi_0$ en $\pi_{0.5}$ worstelden met updates van ruimtelijke aandacht (het opnieuw bezoeken van dezelfde locatie) en consistentie in de activering van de grijper. GR00T N1.6 toonde betere consistentie, maar vertoonde een ruimtelijke bias naar het zoeken in de buurt van eerdere grijpposities.

Betekenis
Het artikel stelt dat VILAS de haalbaarheid aantoont van het trainen en implementeren van capabele manipulatiepolicies op laagkosten, modulaire hardware. Door aan te tonen dat state-of-the-art VLA-modellen effectief kunnen worden gefinetuned en geïmplementeerd op een platform van ongeveer $8.000, verlaagt dit werk de financiële barrière voor onderzoek naar robotmanipulatie. De resultaten bevestigen dat met passend mechanisch ontwerp (zachte compliant grijpers) en systeemintegratie, hoogpresterende VLA-gebaseerde manipulatie toegankelijk is zonder afhankelijkheid van dure proprietaire ecosystemen of expliciete krachtsensoren. De auteurs positioneren VILAS als een reproduceerbaar en toegankelijk testomgeving voor toekomstige VLA-evaluatie op echte hardware.