Solía pensar que más correcciones humanas significaban automáticamente un mejor entrenamiento para los robots. Resulta que esa intuición es errónea. Después de leer sobre este experimento de Axis, lo que más me llamó la atención no fue el volumen masivo de datos recopilados, sino cómo los filtraron. Considera una tarea muy sencilla: colocar un bloque de tofu sobre un plato. Cuando el robot estaba al borde del fracaso, los usuarios podían tomar el control directamente a través del Axis Hub para realizar correcciones. Se registraron un total de 660 intervenciones. Sin embargo, @axisrobotics no utilizó todas para el entrenamiento. Solo 161 segmentos, que representan el 24,4% del total, pasaron el filtro. El razonamiento tiene todo el sentido. Simplemente porque una trayectoria termine con éxito no significa que cada acción humana dentro de ella sea digna de aprender. Podría haber movimientos redundantes, rutas circunvolutas o pausas que no aporten ninguna señal útil. Por lo tanto, cada corrección tuvo que superar tres obstáculos: → Reproducirse con éxito en simulación → Demostrar que la política original realmente falló → Extraer el segmento crítico y realizar una verificación en bucle cerrado para comprobar si el robot podía recuperarse por sí solo Esta es la parte que más me gusta: El valor del feedback humano no radica simplemente en el hecho de que “un humano realizó con éxito la tarea”. Sino en identificar exactamente qué acción transformó un estado de fracaso en una recuperación que el robot pudiera replicar por sí mismo. 660 correcciones suenan como un número enorme. Pero 161 señales verificadas son mucho más valiosas. Quizás así es cómo los datos generados por la comunidad realmente evolucionan hacia un motor de datos escalable.