একটি রোবট ডেটাসেট তখনই আরও উপযোগী হয় যখন এর অংশগুলি পরস্পরের উত্তর দেয়। @axisrobotics-এর ডেটা ইঞ্জিনে যা আমার কাছে বেশি চোখে পড়েছিল, তা হলো টাস্ক জেনারেশন কোন সিনারিও এবং অ্যাটমিক স্কিলের কভারেজ প্রয়োজন তা নির্ধারণ করে। অবদানকারীরা ব্রাউজার টেলিঅপারেশন বা বাস্তব-বিশ্বের এগোসেন্ট্রিক ক্যাপচারের মাধ্যমে ট্রাজেক্টরি তৈরি করে। একটি একীকৃত পাইপলাইন তারপর এই ইনপুটগুলিকে যাচাই, পরিষ্কার, অ্যানোটেট এবং অগমেন্ট করে, যাতে এগুলি ট্রেনিং ডেটা হয়ে ওঠে। এই লুপটি এখানেই শেষ হওয়ার দরকার নেই। একবার পলিসি ট্রেনড হয়ে গেলে, এর দুর্বলতা চিহ্নিতকরণের মাধ্যমেই নির্ধারণ করা যায় কোন টাস্কগুলি পোস্ট-ট্রেনিংয়ের জন্য আবারও খোলা থাকবে। একজন অবদানকারী পলিসির টাস্কটির চেষ্টা দেখে, যখন এটি ভুল করে, তখন নিজেই নিয়ন্ত্রণগ্রহণ করে, তারপরেই আবারও নিয়ন্ত্রণটি ফিরিয়ে দেয়। এইভাবেই সংশোধনগুলিপরবর্তী ইটারেশনের জন্যইবহনকরা। প্রতিটি উপাদানেরইএকটিআলাদাকাজআছে,কিন্তুতাদেরমধ্যকাবিপরীতপ্রতিক্রিয়াইমূলমূল্য:জেনারেট,কালেক্ট,প্রসেস,ট্রেন,দুর্বলতাপ্রকাশ,আবারকালেক্ট। শুধুমাত্রআরওডেটা—এটিএকটিবিষয়ভিত্তিকলক্ষ।যেসিস্টেমঅপরপদক্ষেপহিসাবেসঠিকডেটা-এরঅনুসন্ধানকরতেপারবে,সেটিইঅনেকবেশিজোড়া। এখানথেকেশুরুকরুন: https://t.co/SUKXsZDwvC