Je pensais autrefois que plus de corrections humaines équivalaient automatiquement à un meilleur entraînement des robots. Il s’avère que cette intuition est fausse. Après avoir lu cet experiment d’Axis, ce qui m’a le plus frappé n’était pas le volume massif de données collectées, mais la manière dont elles ont été filtrées. Considérez une tâche très simple : placer un bloc de tofu sur une assiette. Lorsque le robot était au bord de l’échec, les utilisateurs pouvaient prendre le contrôle direct via l’Axis Hub pour apporter des corrections. Un total de 660 interventions ont été enregistrées. Cependant, @axisrobotics n’a pas utilisé toutes ces interventions pour l’entraînement. Seuls 161 segments, représentant 24,4 % du total, ont passé le filtre. Le raisonnement est parfaitement logique. Le simple fait qu’une trajectoire aboutisse à un succès ne signifie pas que chaque action humaine qu’elle contient mérite d’être apprise. Il peut s’agir de mouvements redondants, de chemins détournés ou d’arrêts qui ne transmettent aucun signal utile. Chaque correction devait donc franchir trois étapes : → Être reproductible avec succès en simulation → Démontrer que la politique initiale avait effectivement échoué → Extraire le segment critique et effectuer une vérification en boucle fermée pour voir si le robot pouvait se rétablir seul C’est cette partie que j’aime le plus : La valeur du retour humain ne réside pas simplement dans le fait que « un humain a réussi la tâche ». Elle réside dans l’identification précise de l’action exacte qui a transformé un état d’échec en une récupération que le robot pouvait reproduire seul. 660 corrections semblent être un grand nombre. Mais 161 signaux vérifiés sont bien plus précieux. Peut-être est-ce ainsi que les données issues de la communauté évoluent véritablement en un moteur de données évolutif.