গুণগত ফিল্টারিং, নয়েসি মানুষের ডেমোনস্ট্রেশনকে ব্যবহারযোগ্য ট্রাজেক্টরিতে রূপান্তর, দ্বিধা বা স্টল করার ক্রিয়াগুলি সরিয়ে ফেলা এবং স্যাভিটস্কি-গোলে পদ্ধতি ব্যবহার করে ট্রাজেক্টরি স্মুথ করা—এই পাইপলাইনটি @axisrobotics-এর পদ্ধতির অংশ, যদিও এখনও Axis-এর X-এ কোনো স্পষ্ট নিশ্চিতকরণ পাওয়া যায়নি। এছাড়াও, কিউবিক স্প্লাইন ব্যবহার করে রিস্যাম্পলিং এবং 20 Hz-এর স্থিতিশীল কন্ট্রোল গ্রিডে রোবট/অবজেক্টের অবস্থা সময়ভিত্তিকভাবে সমন্বয় করা হয়। Axis সরাসরি স্বীকার করেছে যে, raw web ডেমোনস্ট্রেশনগুলিতে micro-jitters, variable frame rates-এর মতো সমস্যা রয়েছে, এবং এই raw data-এর উপর নির্ভর করে reliable policy training সম্ভব নয়; এছাড়াও, submitted trajectories-এর replay validation-এরও বর্ণনা দেওয়া হয়েছে। পিনপয়েন্টগুলির দিকে তাকানোই একটি ভালো সংকেত; এখন আরও গুরুত্বপূর্ণ হবে—বড়সড় স্কেলে validation-এর কতটা কার্যকারিতা। আপনার মতে, বড় moat-টি হলো contributors-এর সংখ্যা, নাকি raw demonstrations-কে training-ready trajectories-এ রূপান্তরের ক্ষমতা?