FAIRINO FR5 を、強化学習で動かす
協働ロボット FR5 ＋ 産業用PC（IPC） を、ポーズを手で組まずに 報酬と試行錯誤から タスクを習得させて出荷する——その学習・実環境適応・事業フロー・コストを、いまのコードベースの実装事実に基づいて一つにまとめたサイトです。
このサイトの要点
- 学習方法：手書きエキスパートの実演を模倣クローンし、reverse-KLアンカー＋成功率連動DRカリキュラムでPPO微調整。模倣の天井(83%)を破って ≥85% を達成。
- 3タスク：ピック・3クラス仕分け・コンベア追従を、同じレシピ＋継承で実装。
- 実環境差（照明・床色）は知覚（YOLO）だけに効き、制御方策（RL）には効かない——対策は全部検出器側に寄せる。
- 出荷：受注→ヒアリング→CAD→sim→学習→実写→出荷。GPUコストは1台数十ドル＝些末、律速は人手工程。
読む順番
エンジニア向けの流れ：
① RLアプローチ → ② 3つのタスク →
③ 教師データ → ④ 実環境への適応 →
⑧ 検証と正直なスコープ
事業・コスト向けの流れ：
⑤ 受注→出荷フロー → ⑥ クラウドRLコスト →
④ 実環境への適応
各プロジェクトの解説資料
各プロジェクトが出力した解説ページ。docs/site/published/ にHTMLを置いて再ビルドすると、自動でここに並び公開されます。
AI開発用ワークステーション 導入のご提案 — 購入 vs クラウド比較
AI・ロボット開発 設備投資のご提案
受注から出荷まで — FAIRINO FR5 ＋ IPC ロボットセルの完全フロー
「注文が来たら、すぐ売りたい。理想は無調整で出荷」——その理想と現実の差を、 環境差（照明・床色）への適応 ・ 無調整出荷は可能か ・ RL学習のクラウド従量課金化 の3点から、いまのコードベースの実装事実に基づいて整理します。
教師データ（エキスパート実演）の作り方 — Pick / 3-class Sort / Conveyor
これまでの学習で使った「教師データ」は、人間が手で集めたものではありません。 特権スクリプト・エキスパート （手書きの状態機械）が Isaac の中で実演し、 成功したエピソードだけ を .npz に記録したものです。 その スクリプトの形 と 作り方 を、Pick / 3-class Sort…
FAIRINO FR5 — 強化学習で3タスク：ピック・仕分け・コンベア追従（Track B7-RL）
静止ワークのピックから、3クラス仕分け、そして 本命：ベルトを流れてくる丸ワークを動きながら掴む「コンベア追従」 まで — すべて同一の実証済み強化学習レシピで。
FAIRINO FR5 — 強化学習ピック（Track B7-RL）
ポーズを一つずつ手作業でプログラムするのではなく、報酬と試行錯誤から タスクを自ら学習する ロボットアーム。