NAGIGING DATA NG ROBOT ANG MGA GAWAING TAO Mas nagiging mahusay ang mga robot sa paggawa ng mga bagay na ginagawa ng tao, ngunit may malaking pagkakaiba pa rin sa pagkilala kung ano ang dapat gawin at sa paggawa nito sa pisikal na mundo. Maaaring matutunan ng isang robot na hawakan ang isang bagay, ilipat ito sa ibang lokasyon, buksan ang isang bagay, sundin ang isang gawain, o makipag-ugnayan sa isang kapaligiran. Ngunit kapag naging hindi pamilyar, kakaibang, o mahirap ang isang gawain, maaaring magdulot ng malaking pagkakaiba ang tulong mula sa tao. Dito nagsisimula ang interes sa teleopera. Maaaring gabayan ng isang tao ang isang simulated na robot arm sa isang gawain, ipapakita sa sistema kung paano dapat maganap ang galaw. Ang mga interaksyong ito ay lumilikha ng mahalagang robot data na maaaring gamitin upang ituro ang mas mabuting mga modelo at mapabuti kung paano umuugnay ang mga robot sa katulad na sitwasyon. @axisrobotics ay nagtatayo ng paligid sa ideyang ito gamit ang browser-based na robot simulation at teleoperation, nagiging posible na mag-ambag sa Physical AI nang hindi kailangan ng mahal na hardware. Ang mas malaking ideya ay kung ano ang mangyayari kapag nagkakumpuni ang mga ambag na ito. Mas maraming pagpapakita mula sa tao, mas maraming embodied data Mas mabuting pagtuturo, mas matalinong mga robot. Dahil dito, pinapansin ko ang intersection ng Robotics, Physical AI, Embodied AI, Robot Data, at Teleoperation. Hindi lang kailangan ng susunod na henerasyon ng mga robot ang mas malalaking modelo. Kailangan nila ang mas mabuting data mula sa pisikal na mundo.