Trossen Robotics y Stereolabs han integrado un sistema de visión estéreo de tres cámaras en Workbench y Rivet, sus nuevas plataformas de manipulación bimanual para aprendizaje robótico. La propuesta busca que cada demostración teleoperada salga del robot como un conjunto de datos sincronizado, sin obligar al laboratorio a montar y calibrar por separado cámaras, cableado y ordenador.
Tres vistas calibradas alrededor de dos brazos
La configuración combina una ZED X Mini orientada a la escena completa con dos ZED X Nano, una en la muñeca de cada brazo. La primera aporta contexto espacial y profundidad sobre el área de trabajo; las otras dos siguen de cerca la relación entre pinza y objeto, donde pequeños errores de perspectiva pueden arruinar una demostración útil para aprendizaje por imitación.
Trossen aplica este conjunto tanto a Workbench, una estación fija, como a Rivet, una plataforma móvil con dos brazos WidowX Pro de seis grados de libertad. El procesamiento recae en un NVIDIA Jetson AGX Orin y la integración anunciada incluye calibración de fábrica. El objetivo no es presentar un robot autónomo que ya resuelva tareas generales, sino vender una herramienta para recopilar mejores ejemplos con los que entrenar políticas de control.
Según la descripción técnica publicada por Stereolabs y Trossen, las cámaras utilizan conexión GMSL2 en lugar de USB. El cambio importa en un brazo móvil: los cables recorren distancias mayores, soportan flexiones repetidas y deben conservar la correspondencia temporal entre las imágenes. Los conectores con bloqueo y la sincronización determinista reducen el riesgo de obtener vistas desfasadas de una misma acción.
Las ZED X Nano incorporan sensores global shutter de 1.920 × 1.200 píxeles y pueden registrar hasta 60 imágenes por segundo en la configuración anunciada. También calculan profundidad a distancias cortas, desde unos 3 centímetros, una característica especialmente relevante cuando la pinza se aproxima a una pieza pequeña. Son cifras del fabricante y no equivalen, por sí solas, a una mejora demostrada en la tasa de éxito de una tarea.
El dato pasa a formar parte del producto
Entrenar un modelo de manipulación exige registrar al mismo tiempo vídeo, profundidad, posición de las articulaciones y órdenes del operador. Cuando cada fuente funciona con su propio reloj o pierde fotogramas, el conjunto puede parecer correcto a simple vista y resultar inútil durante el entrenamiento. La aportación de la alianza está en empaquetar esa sincronización como una propiedad del sistema, no como un proyecto de integración posterior.
El software de Trossen ya contempla flujos con ROS 2, NVIDIA Isaac Sim e Isaac Lab. Su SDK abierto de recopilación organiza episodios con múltiples señales y permite convertirlos al formato LeRobot V2. La nueva capa de cámaras añade a ese flujo una referencia visual calibrada y repetible. En principio, un equipo puede teleoperar una tarea, almacenar las tres vistas junto a la trayectoria del robot y reutilizar el resultado para aprendizaje por imitación o para comparar una política en simulación y hardware.
La diferencia frente a comprar dos brazos y varias cámaras por separado no está solo en la lista de componentes. Está en reducir horas de montaje, calibración, pruebas de latencia y mantenimiento. Esa comodidad también crea dependencia: un sistema integrado facilita empezar, pero vincula parte del flujo a una combinación concreta de sensores, compute y herramientas.
Stereolabs opera desde febrero como filial de Ouster. La compra cerrada por aproximadamente 35 millones de dólares en efectivo y 1,8 millones de acciones dio a Ouster una cartera que combina lidar y visión estéreo. La integración con Trossen muestra una aplicación tangible de esa estrategia en robótica: no vender únicamente una cámara, sino colocarla dentro del equipo que produce los datos de entrenamiento.
Una infraestructura para aprender, no una autonomía demostrada
Workbench y Rivet se mostrarán durante la Physical AI Residency de San Francisco, celebrada del 12 al 28 de agosto, y en el encuentro Actuate del 18 y 19 de agosto. Trossen también ofrece configuraciones comerciales de Rivet, aunque las variantes con cámaras figuran como fabricadas bajo pedido y sin disponibilidad inmediata en su tienda.
El anuncio no aporta comparativas públicas frente a sistemas USB, tasas de fotogramas perdidos en sesiones largas ni resultados de políticas entrenadas con el nuevo conjunto. Tampoco detalla cuántas plataformas se han entregado. Por tanto, lo verificable hoy es la integración física y comercial de cámaras, brazos y cómputo; la reducción real del tiempo de desarrollo tendrá que medirse en proyectos de clientes.
Aun con ese límite, el movimiento señala una evolución relevante. La robótica de aprendizaje empieza a tratar la captura de datos como parte del diseño de la máquina, igual que la cinemática o el control. Si la calidad de una política depende de lo que el robot ha visto y registrado, una cámara bien sincronizada deja de ser un accesorio y se convierte en infraestructura central.
Fuentes
- Ouster — anuncio oficial de la integración entre Trossen Robotics y Stereolabs [en]
- Trossen Robotics — SDK oficial de recopilación de datos [en]
- Stereolabs — ficha oficial de las cámaras ZED X [en]
- Highways Today — análisis técnico de Workbench, Rivet y la captura sincronizada [en]
- Imagen: render oficial de Rivet en Trossen Robotics [en]