Ito ay isang workflow pipeline mula kay @axisrobotics para sa pagbuo ng mga dataset at pagtatrain ng mga robot o physical AI. Mayroong 5 pangunahing yugto: 1. Task Generation & Asset Normalization Paglikha ng isang task mula sa isang text prompt at paghahanda ng mga asset tulad ng 3D models upang maaaring gamitin sa simulator. 2. Web-Based Teleoperation Ang mga tao ay kumokontrol ng mga robot nang virtual sa pamamagitan ng web upang gawin ang mga task. Ang mga galaw na ito ay ire-record bilang demonstration data/trajectories. 3. Offline Data Cleaning & Refinement Ang nakalap na data ay inililinis, halimbawa: - Quality filtering - Hesitation Removal - Trajectory smoothing Ang resulta ay refined trajectories. 4. Realistic Augmentation Ang nalilinis na data ay dinadagdagan ng mga variasyon: - Visual variation - Pose variation - Noise injection - Dynamic variation Ang layunin ay upang maging mas robust at makapag-generalize ang robot. 5. Policy Learning & Real-World Validation Ginagamit ang dataset para sa policy learning, pagkatapos ay ginagawa ang sim to real transfer at sinusubok ito sa isang robot sa totoong mundo. Kaya mahalaga ang workflow na ito para ipaliwanag kung paano nila binubuo ng Axis ang isang data engine para sa Physical AI. Sinusubukan ng Axis na bumuo ng isang kompletong pipeline mula sa task generation patungo sa pagkakaroon ng kakayahan ng robot na gawin ang task sa totoong mundo. Source: 🔗https://t.co/nYmkIWawKY