অধিকাংশ মানুষ মনে করে এআই রোবটকে প্রশিক্ষণ দেওয়া শুধু অসংখ্য ডেটা দিয়ে পূর্ণ করার বিষয়। কিন্তু এটা সত্য নয়। বেশি ডেটা মানে বুদ্ধিমান মডেল নয়; সঠিক ডেটা মানে বুদ্ধিমান মডেল। এই পার্থক্যটি বুঝতে হবে। এখানে বিষয়টি হল: একটি ট্রাজেক্টরির মূল্য কখনই স্থির থাকে না। শুধু একটি রোবট আর্মকে ব্লকগুলো স্ট্যাক করতে শেখানোর কথা ভাবুন। যখন এটি 95% স্মুথ পিক সফলভাবে করে ফেলে, তখন 10,000টি আরও পারফেক্ট পিক-অ্যান্ড-প্লেস ডেমো সংগ্রহ করলেও কোনো মূল্যই যোগ হয় না। আসলে গুরুত্বপূর্ণ হলো, যখন এটি স্লিপ করে, গভীরতা ভুলবোঝা করে, অথবা একটি কাপকে উল্টে ফেলে। শুধুমাত্র বিভিন্ন কোণগুলোতে প্রশিক্ষণ দিয়েই আমরা দৃঢ় ডেটা পাই, এবং এটি আমাদেরকে rea-time-এইসমস্যাগুলোর সমাধানে সহায়তা করে। এইজন্যই static training sets-এর ব্যর্থতা। @axisrobotics-এ, আমরা ডেটাকে একটি fixed dump-এর মতো বিবেচনা করি না; আমরা itকেএকটি adaptive, living engine-এর মতো বিবেচনা করি। শিখেছেন-এমনটা-পুনরাবৃত্তিরপরিবর্তে, downstream indicators-গুলোশনাগুলি-যেখানে rollout failures-এখনওহয়।এই edge-case blind spots-গুলি exactlyদেখিয়েদেয়কিসগুলিfixকরারপ্রয়োজন। এটিএকটি continuous closed loop-এচলে: Model → Evaluate → Select → Collect → Train → Model শিখেছেন-বিহেভিয়ারগুলিside-এযায়,এবংfresh, high-leverage data priorityপায়।মডেলটি current-এযেসমস্যাগুলিতেঅসমর্থ,সেগুলিরprecise corrections-গুলিকেactively gatherকরে,প্রতিটি new batch-ইrealistically robotic capability-level upকরে। Repetitive data-এরসঞ্চয়করবেননা।গ্যাপগুলিকেপ্রশিক্ষণদিন। ভিডিওতে,আমিএকটিplumআরএকটিapricotউত্তোলনকরি,তারপরতাদেরএকটিমেটালট্রেতেপ্লেসকরি;আবারapricotউত্তোলনকরি,মিক্সিংবোল-এপ্লেসকরি। খুবসহজদেখাচ্ছে,কিন্তুরোবটআর্মগুলিআমাদেরযা-বলছি,তা-শুনছেনা;আমাকেএইকাজটিসম্পন্নকরতেসঠিককোণ-থেকেসঠিকভাবেতাদেরপ্রশিক্ষণদিতেহব।শুরুতেআমিওসমস্যাতেভোগছিলাম;পরবর্তীতেআমিবুঝতেপারলামকিভাবেহ্যান্ডলকরব,আমিকাজটিসম্পন্নকরলাম। আপনিওএইভিডিওটিচেককরতপারবেন..এটা‌খুবকষ্টকর...আপনারঅভিজ্ঞতাওআমারসঙ্গেশেয়ারকরবেন। @axisrobotics