Hay un problema extraño que surge cuando se utiliza el crowdsourcing para entrenar robots: los datos más difíciles probablemente no deberían provenir de tu contribuyente promedio. @axisrobotics recientemente introdujo algo llamado el Programa Challenger, y creo que la idea detrás de esto es más importante que el nombre. Imagina dos tareas para robots. La tarea A es sencilla: recoger un objeto y colocarlo en un contenedor. La tarea B implica geometría complicada, tolerancias ajustadas, múltiples pasos y una recuperación si el primer agarre falla. Si ambas tareas se lanzan al mismo grupo público, se las trata como si requirieran la misma habilidad del operador. Pero no es así. Los principiantes se enfrentan a la tarea difícil, luchan con ella, generan intentos desordenados y probablemente tienen una mala experiencia. Mientras tanto, los contribuyentes experimentados no están siendo dirigidos específicamente hacia las tareas donde su habilidad es más valiosa. Axis está comenzando a separar estos dos mundos. Las tareas sencillas permanecen en el grupo regular. Las difíciles pasan a una zona dedicada de Challenger para contribuyentes que ya saben cómo usar la plataforma. Al principio, esto parece solo una pequeña actualización de UX. Pero creo que en realidad apunta a algo más grande: los datos para robots tienen un problema de coincidencia de habilidades. Una vez que una red de contribuyentes es lo suficientemente grande, la pregunta ya no es solo: “¿Quién puede generar estos datos?” Sino: “¿Quién debería generar estos datos específicos?” Las tareas fáciles pueden optimizarse para escala. Las tareas difíciles pueden optimizarse para la habilidad del operador. Y eventualmente puedo imaginar que el emparejamiento se vuelve mucho más granular: este contribuyente es excelente en agarres de precisión, otro es mejor en tareas de largo plazo, otro es inusualmente bueno en recuperación, otro se desempeña bien con una implementación específica. Entonces, la red comienza a parecerse menos a una multitud... y más a una fuerza de trabajo distribuida con habilidades especializadas. Esa es una forma mucho más interesante de escalar la inteligencia humana para los robots. https://t.co/4FLsS5npxd