EVA-Client: 実ロボットにおける身体化ポリシーのための統合データ収集、推論、展開フレームワーク

要旨

本稿では、実ロボット上での学習済み操作ポリシーのデプロイ、データ収集、評価のためのオープンソースフレームワーク「EVA-Client」を紹介する。EVA-Clientはポリシーサーバと物理ハードウェアの間に位置し、ポリシー反復ループにおける実ロボット段階を単一のコードベースに統合する。本フレームワークは三つの貢献を行う。第一に、ロボットバックエンド、推論戦略、トランスポートミドルウェアが直交グリッドを形成するコンポーネント分離アーキテクチャである。これにより、ロボットや戦略の追加はそれぞれの層のみに影響を与える。第二に、Debug、Collect、Evalのワークフローを通じた検査可能な実行を実現し、開ループシミュレーションから連続リアルタイム制御に至るモードを備える。第三に、すべての評価実行は同時にデータ収集として機能し、完全なロールアウトを訓練準備済み形式で記録するとともに、詳細なログと並列比較ビューアを提供する。これにより、各評価が記録されない印象で終わることなく、次の訓練ラウンドに情報を提供する。さらにEVA-Clientは、主要なリアルタイム推論戦略（同期・非同期実行、ACTスタイルのテンポラルアンサンブリング、Real-Time Chunking、naive-asyncアブレーションベースライン）を単一の設定インターフェースの背後に統合する。

English

We present EVA-Client, an open-source framework for deployment, data collection, and evaluation of trained manipulation policies on real robots. Sitting between a policy server and the physical hardware, EVA-Client unifies the real-robot stages of the policy iteration loop within a single codebase. It makes three contributions. First, a component-decoupled architecture in which robot backends, inference strategies, and transport middlewares form an orthogonal grid: adding a robot or a strategy touches only its own layer. Second, inspectable execution through Debug, Collect, and Eval workflows, with modes ranging from open-loop simulation to continuous real-time control. Third, every evaluation run doubles as a data collection, recording full rollouts in training-ready format alongside exhaustive logs and a side-by-side comparison viewer, so each evaluation feeds the next round of training rather than ending as an unrecorded impression. EVA-Client further consolidates major real-time inference strategies, synchronous and asynchronous execution, ACT-style temporal ensembling, Real-Time Chunking, and a naive-async ablation baseline, behind a single configuration surface.