Saviez-vous que vous pouvez contribuer à l’avenir de la robotique ? Chaque tâche sur Continuum Hub est bien plus qu’une simple tâche : c’est une récompense en données qui crée une trajectoire complète montrant comment un robot a été contrôlé, ce qui s’est produit dans l’environnement, et si la tâche a réussi. C’est ainsi que @continuumlabs_ transforme les interactions individuelles avec des robots en un moteur de données en constante amélioration pour l’IA physique. Le cycle se déroule en trois phases : pré-entraînement, entraînement et post-entraînement. Tout d’abord, les contributeurs fournissent des démonstrations humaines pour construire un jeu de données diversifié. Une fois les places requises remplies, une politique est entraînée. Pendant la phase de post-entraînement, les contributeurs supervisent la politique entraînée et corrigent ses erreurs, générant ainsi des données on-policy précieuses pour la prochaine itération. Les places comptabilisent les contributions de données, et non les utilisateurs uniques, et chaque tâche peut être accomplie jusqu’à cinq fois. Chaque exécution est évaluée indépendamment, tandis que votre valeur de Points est basée sur la qualité moyenne de vos réalisations ; répéter une tâche n’a donc de sens que si vous pouvez améliorer le résultat. Après soumission, chaque trajectoire est téléchargée, rejouée en simulation, évaluée automatiquement pour sa réussite et sa qualité de mouvement, puis signée sur chaîne avec un identifiant de données unique. Les démonstrations et corrections acceptées sont directement réintégrées dans l’entraînement, créant une boucle continue où de meilleures politiques révèlent de nouvelles défaillances, et ces défaillances génèrent la prochaine vague de données d’entraînement.