Alam mo ba na maaari mong mag-ambag sa kinabukasan ng robotics? Ang bawat gawain sa Continuum Hub ay higit pa sa isang gawain. Ito ay isang data bounty na lumilikha ng isang kompletong trajectory na nagpapakita kung paano kinontrol ang robot, ano ang nangyari sa kapaligiran, at kung tagumpay ang gawain. Ito ang paraan kung paano tinatapos ng @continuumlabs_ ang mga indibidwal na interaksyon ng robot upang maging isang palaging umuunlad na data engine para sa Physical AI. Ang buong siklo ay dumadaan sa Pre-training, Training, at Post-training. Una, ang mga tagapag-ambag ay nagbibigay ng mga human demonstration upang bumuo ng isang diversidad ng dataset. Kapag natapos na ang mga kinakailangang puwang, tinuturuan ang isang policy. Sa panahon ng Post-training, ang mga tagapag-ambag ay nagmamonitor sa naiturong policy at tinutuwid ang mga kamalian nito, lumilikha ng mahalagang on-policy data para sa susunod na iterasyon. Ang bilang ng puwang ay sumusukat sa mga ambag sa data, hindi sa mga natatanging gumagamit, at bawat gawain ay maaaring makumpleto hanggang limang beses. Bawat pagpapatakbo ay binabasahang independiyente, samantalang ang iyong Points value ay batay sa average na kalidad ng iyong mga kompletong gawain, kaya ang pag-uulit ng isang gawain ay may sensibilidad lamang kung maaari mong mapabuti ang resulta. Pagkatapos ng pagsumbong, bawat trajectory ay iina-upload, inirereplay sa simulation, awtomatikong iskore para sa tagumpay at kalidad ng galaw, at sinisignahan sa onchain gamit ang isang natatanging Data ID. Ang mga tinatanggap na demonstration at pagtutuwid ay direktang bumabalik sa pagtuturo, lumilikha ng isang tuloy-tuloy na loop kung saan mas magagaling na policy ay nagpapakita ng bagong pagkabigo, at ang mga pagkabigo na ito ay naglilikha ng susunod na alon ng training data.