Diese Seite wurde maschinell übersetzt und wurde noch nicht von einer Person überprüft. Englisch ist die Referenz; Korrekturen auf GitHub sind willkommen. English

Cookwala und der Robotics-Stack

Cookwala ersetzt keinen Teil eines Roboters. Es fügt die Ebene hinzu, die dem Robotics-Stack für das Kochen fehlt: was zubereitet werden soll, wann jeder Schritt abgeschlossen ist und was niemals passieren darf, in einer Form, die jeder Roboter, jedes Gerät, jeder Simulator oder jede Learning-Pipeline lesen und prüfen kann.

Wo es passt #

Layer	Beispiele für die Layer (2026; keine Integration mit ihnen existiert)	Was Cookwala hinzufügt
Roboter und Geräte	Figure 03, 1X NEO, Unitree G1/H2, Pollen Reachy, Küchenroboter (Moley, Miso, Chef Robotics), Smart Ovens	Ein geräteunabhängiges Rezept, das es dry-run, verweigern oder kochen kann; On-Device-Sicherheitslimits
Middleware	ROS 2, ros-controls, Open-RMF (Flotten), Matter (Geräte)	ROS 2 Actions für Rezepte und Schritte (`bindings/ros2`); ein Entwurf für ein Matter op Mapping (`bindings/matter.json`, unverified); eine Open-RMF Task ist ein geplanter Beitrag
Roboterlernen	LeRobot (Hugging Face), NVIDIA Isaac GR00T, Physical Intelligence π Modelle, Figure Helix	Aufgaben in natürlicher Sprache und Schrittsegmente für Datensätze; Done-Kriterien als Evaluationsziele
Simulation	NVIDIA Isaac Sim / Isaac Lab, Gazebo, MuJoCo	Operation envelopes und Conformance-Vektoren als Testbedingungen
KI-Agenten	MCP, A2A, Claude, OpenAI und Open Models	AgentMandate, untrusted-text rule, Kitchen Agent-Safety Benchmark

Cookwala ist bewusst über Bewegung. Moderne Roboter lernen Manipulation von Ende zu Ende; Cookwala gibt ihnen die Aufgabe, den Erfolgstest und den Sicherheitsbereich vor, und erhält als Rückmeldung ein execution log.

ROS 2 #

bindings/ros2/ definiert zwei Aktionen:

Aktion	Ziel	Feedback	Ergebnis
`ExecuteRecipe`	`ExecuteRequest` (recipe ref, hash, servings, idempotency key)	`ExecutionStatus` (seq, state, node, progress, sensor-ladder rung, medium temperature)	Endzustand, refusal reason, `ExecutionLog`
`ExecuteNode`	Ein Rezeptknoten, sein operation envelope, ein optionales engeres Ziel	Fortschritt, medium temperature, Ziel erreicht	Envelope OK, rung verwendet, Schrittzusammenfassung, Abweichung

Abbrechen eines ExecuteRecipe Ziels ist ein StopRequest: der Server muss sicher stoppen. Sicherheitsgrenzwerte bleiben innerhalb des Geräts; kein Zielfeld kann sie ändern. Ein hub, der ein Rezept auf mehrere Roboter aufteilt, sendet ExecuteNode Ziele und kann die Flottensteuerung an Open-RMF als Aufgaben übergeben.

LeRobot und Robot-Learning-Datensätze #

Der Loop von LeRobot ist teleoperate → record → train → deploy, und sein LeRobotDataset v2.1 speichert Natural-Language-Aufgaben in meta/tasks.jsonl (v3 hat Metadaten nach parquet verschoben; der Exporter schreibt heute die Datei im v2.1-Stil und ein v3-Writer ist next). Cookwala-Rezepte enthalten bereits einen Satz pro Schritt, und execution logs zeichnen auf, wann jeder Schritt begann und endete.

bash

python tools/execlog_export.py lerobot recipe.cookwala.json execution-log.json my-dataset/

Dies schreibt:

meta/tasks.jsonl, eine Aufgabe pro Rezeptschritt;
meta/cookwala/<log>.json mit dem Rezept-Hash, Schrittsegmenten (Start- und Endsekunden, sensor-ladder Sprosse, envelope Ergebnis) und der Einwilligung des Haushalts.

Video und Aktionen stammen aus dem eigenen Rekorder des Roboters. Der Export verweigert Logs ohne dataset consent.

Simulation #

Die Conformance-Vektoren in conformance/envelope.json (Temperaturverläufe mit erwarteten Ergebnissen) und die Sensor-Ladder-Regeln sind bereit für den Simulator. Eine thermische oder physikalische Simulation einer Pfanne, eines Topfes oder eines Ofens kann gegen dieselben Envelopes geprüft werden, die ein reales Gerät einhalten muss. Isaac Lab, Gazebo und MuJoCo sind Kandidaten für einen öffentlichen „cook in simulation“-Benchmark.

Observability #

bash

python tools/execlog_export.py otel recipe.cookwala.json execution-log.json trace.json

Dies schreibt einen OpenTelemetry-Trace: ein Span pro Schritt, mit cookwala.* Attributen (rung, envelope OK, deviation) und Sicherheitslimit-Events. Es wird in jedes OTLP-Backend geladen (Jaeger, Grafana Tempo, LangSmith…), sodass Teams Geräte so debuggen können, wie sie Agenten debuggen.

Dry run: kann dieses Gerät dieses Rezept kochen? #

bash

python tools/cookwala_ref.py dryrun examples/shakshuka.cookwala.json --device examples/capabilities/robot-arm.json --human-present

Der dry run liefert Antworten, bevor etwas aufheizt. Er besagt, welche Schritte das Gerät ausführt, welche eine Person ausführt, wie jeder Schritt verifiziert wird (sensor, model, time oder person) oder der erste Grund, warum es eine refusal before heat ausführen muss.