لدى Physical AI مشكلة في البيانات لا تحظى بالقدر الكافي من الاهتمام. فحتى النماذج الأفضل والأجهزة الأقوى لا تكفي عندما لا يزال يتطلب من الروبوتات كميات هائلة من بيانات التفاعل مع العالم الحقيقي لتعلم كيفية التعامل مع المواقف المختلفة. هنا حيث لفتتني @axisrobotics. لقد تجاوزت مجموعة بيانات Axis Franka 160 ألف عملية تنزيل على Hugging Face، مع اعتمادها من قبل الأوساط الأكاديمية والصناعية من KAIST وNorthwestern وTsinghua إلى Yandex وNota AI ومجموعة فيتنام للبريد والاتصالات. وستذهب النسخة القادمة أبعد بكثير: 1.2 مليون مسار 1200 مهمة قدرات ذرية أوسع دعم لأشكال روبوتية أكثر الجزء المثير ليس مجرد الانتقال من 160 ألف إلى 1.2 مليون مسار. الروبوتات لا تحتاج فقط إلى أمثلة أكثر لنفس الحركة. بل تحتاج إلى رؤية المهارة الأساسية نفسها عبر أشياء مختلفة، وبيئات مختلفة، وحركات مختلفة، وحالات حدودية مختلفة. هذا التنوع هو ما يساعد النموذج على الانتقال من "لقد رأيت هذا من قبل" إلى فهم حقيقي لكيفية عمل المهمة. لذلك، عندما تستمر مجموعة البيانات في توسيع تغطيتها للمهام وتنوعها، فإنها تبدأ في أن تصبح أكثر من مجرد مجموعة ثابتة من العروض التوضيحية. إنها تصبح بنية تحتية لتدريب الجيل القادم من الذكاء الاصطناعي المادي. هذا هو الاتجاه الذي يبدو أن Axis تدفع نحوه مع الجيل القادم من مجموعة بيانات Franka الخاصة بها. https://t.co/7yFTIktZUz