10 মিলিয়ন প্রায় অভিন্ন প্রদর্শন সহ একটি রোবোটিক্স ডেটাসেট শোনার মতো কম উপযোগী হতে পারে। পরিসর গুরুত্বপূর্ণ, কিন্তু বৈচিত্র্যই নির্ধারণ করে যে সেই পরিসরটি বাস্তবে কী প্রতিনিধিত্ব করে। এই কারণেই অক্সিস রোবোটিক্সের ভিতরের টাস্ক জেনারেশন ইঞ্জিনটি আমার দৃষ্টি আকর্ষণ করেছিল। বৈচিত্র্যকে দৈবের উপর ছেড়ে দেওয়ার পরিবর্তে, অক্সিস এমন একটি সিস্টেমের বর্ণনা দেয় যা একটি টাস্কের অনেকগুলি মাত্রা পরিবর্তন করতে পারে, যার মধ্যে রয়েছে: • রোবোটের শরীরগত বিন্যাস • বস্তুসমূহ • স্থানিক বিন্যাস • বৈচিত্র্যময় শর্তসমূহ • দৃশ্যমান পরিবেশ একটি কাপ উত্তোলনের মতো সহজ কিছু নিয়ে চিন্তা করুন। কাপটি, এর অবস্থান, আলোকসজ্জা, পাশের বস্তুসমূহ, রোবোটের কনফিগারেশন, বা পরিবেশের পরিবর্তনই একটি মৌলিক দক্ষতাকে অনেকগুলি ভিন্নভাবে শেখার পরিস্থিতিতে পরিণত করতে পারে। এটি গুরুত্বপূর্ণ, কারণ বাস্তব ঘর এবংকর্মস্থলগুলি মানকায়িত সিমুলেশন ল্যাবের মতো নয়। শুধুমাত্রপরিচিতপরিস্থিতিতেইসফলহওয়াএকটিরোবটসত্যিকারভাবেসাধারণীকরণশেখেনি। অতএব, @axisrobotics-এরদিকেআমিযখনদেখি,আমি increasingly less interested in asking: "তারা কতগুলি trajectory generateকরতেপারে?" এখনওভালপ্রশ্নহতেপারে: "তারাএইtrajectoryগুলিরভিতরেকতটাঅর্থপূর্ণবৈচিত্র্যসৃষ্টিকরতেপারে?" ফিজিকাল AI-এরজন্য,মিলিয়নগুলিরউদাহরণউপযোগী। কিন্তুমিলিয়নগুলিরআসলেভিন্নভাবেশেখারপরিস্থিতি,অনেকবেশিমূল্যবানহতেপারে।