Karamihan sa mga tao ay naniniwala na ang pagtuturo sa mga robot na AI ay tungkol lamang sa pagpapadala sa kanila ng walang hanggang data. Pero hindi iyon totoo. Hindi ibig sabihin ng mas maraming data na mas matalino ang mga modelo; ang tamang data ang mahalaga. Kailangan mong maunawaan ang pagkakaiba na ito. Narito ang bagay: ang halaga ng isang trajectory ay hindi static. Isipin mo lang ang pagtuturo sa isang robot arm kung paano i-stack ang mga block. Kapag nakuha na nito ang 95% ng malinis na pagpili, ang pagkolekta ng 10,000 pang perfect pick-and-place demos ay walang halaga. Ang tunay na mahalaga ay kung ano ang nangyayari kapag ito ay sumisigaw, mali ang paghuhula ng depth, o iniilalabas ang isang baso. Tanging sa pamamagitan ng pagtuturo mula sa iba’t ibang panig na nakakakuha tayo ng matibay na data, at nakakatulong ito sa atin na harapin ang mga isyu sa real time. Dahil dito, nagkakaroon ng pagkabigo ang mga static training sets. Sa @axisrobotics, hindi natin itinuturing ang data bilang isang fixed dump; itinuturing natin ito bilang isang adaptive, buhay na engine. Sa halip na ulitin ang mga natutunang gawain, ang downstream indicators ay nakikita kung saan nangyayari ang rollout failures. Ang mga edge-case blind spots na ito ay ipinapakita kung ano ang kailangang ayusin. Nagpapatakbo ito sa isang tuloy-tuloy na closed loop: Model → Evaluate → Select → Collect → Train → Model Ang mga mastered behaviors ay naglalabas, at ang bagong, mataas na leverage na data ang nagsisilbing prioridad. Sa pamamagitan ng aktibong pagkolekta ng eksaktong mga koreksyon na kailangan ng modelo, bawat bagong batch ay talagang nagpapataas ng kakayahan ng robot. Tigilan na ang pagpupundo ng redundant na data. Pagtuturuan ang mga gap. Sa video, subukan kong kunin ang isang prutas at isang apricot, tapos ilagay sila sa isang metal tray; pagkatapos ay muli kong kinuha ang apricot at ilagay sa mixing bowl. Mukhang napakasimple, ngunit hindi nakikinig ang robot arms sa sinasabi natin; kailangan kong i-training sila nang tama sa tamang panig upang tapusin ang gawain na ito. Sa simula, ako rin ay nakaranas ng mga problema; pagkatapos ay naintindihan ko kung paano ito harapin, at natapos ko ang gawain. Maaari mong tingnan din ang video na ito.. Gaano katagal ito... Ibahagi mo rin sa akin ang iyong karanasan. @axisrobotics