Este es un flujo de trabajo de @axisrobotics para construir conjuntos de datos y entrenar robots o IA física. Hay 5 etapas principales: 1. Generación de tareas y normalización de activos Crear una tarea a partir de una indicación de texto y preparar activos como modelos 3D para que puedan usarse en el simulador. 2. Teleoperación basada en la web Los humanos controlan virtualmente los robots a través de la web para realizar tareas. Estos movimientos se registran como datos/trajectories de demostración. 3. Limpieza y refinamiento offline de datos Los datos recopilados se limpian, por ejemplo: - Filtrado de calidad - Eliminación de vacilaciones - Suavizado de trayectorias El resultado son trayectorias refinadas. 4. Augmentación realista Los datos limpios se multiplican con variaciones: - Variación visual - Variación de postura - Inyección de ruido - Variación dinámica El objetivo es que el robot sea más robusto y capaz de generalizar. 5. Aprendizaje de políticas y validación en el mundo real El conjunto de datos se utiliza para el aprendizaje de políticas, luego se realiza una transferencia de simulación a realidad y se prueba en un robot en el mundo real. Por lo tanto, este flujo de trabajo es muy importante para explicar cómo Axis construye un motor de datos para la IA física. Axis está tratando de construir un flujo completo, desde la generación de tareas hasta que el robot pueda realizar realmente la tarea en el mundo real. Fuente: 🔗https://t.co/nYmkIWawKY