Je pense que le plus intéressant chez @axisrobotics, c’est que cela change l’économie de ce qu’un jeu de données robotiques peut devenir. Traditionnellement, collecter des données robotiques signifie mettre en place du matériel coûteux dans un environnement contrôlé et payer des personnes pour le faire fonctionner. Cela fonctionne pour la recherche. Mais c’est une base difficile pour construire la vaste variété d’expériences dont les robots polyvalents auront besoin. Axis adopte une approche différente : rendre l’infrastructure de collecte réutilisable. Un système génère les tâches. Un autre permet aux gens de collecter des démonstrations en simulation. L’application égocentrique ajoute des activités humaines du monde réel. Ensuite, un pipeline unifié transforme ces entrées en données prêtes à l’entraînement. Ce que je trouve convaincant, c’est que la même infrastructure peut répondre à différents besoins en données sans avoir à reconstruire tout le processus depuis le début. Une nouvelle tâche ne nécessite pas nécessairement un nouveau laboratoire. Une nouvelle source de collecte ne nécessite pas nécessairement un nouveau pipeline. Et un échec de politique peut devenir une raison de générer de nouvelles tâches plutôt qu’un simple autre échec expérimental. Pour moi, c’est la grande idée derrière Axis : Pas une plateforme qui collecte des données pour les robots, mais un système conçu pour continuer à produire les données que les robots n’ont pas encore apprises. Si cela fonctionne, le véritable produit est la capacité d’élargir continuellement ce que les machines peuvent faire. Vue personnelle uniquement, pas un conseil en investissement.