La valeur de la collecte participative de démonstrations de robots, à condition que le projet puisse traiter des données bruitées. À cet égard, l'approche de @axisrobotics semble assez pragmatique. Elle décrit un pipeline comprenant : ☆ un filtrage de qualité ☆ la transformation des démonstrations humaines bruitées en trajectoires exploitables ☆ l'élimination des mouvements d'hésitation ou de stagnation, ainsi qu'un lissage des trajectoires avec Savitzky–Golay, non encore confirmé officiellement par Axis sur X ☆ un rééchantillonnage par spline cubique et une alignement temporel des états du robot/objet sur une grille de contrôle stable à 20 Hz Axis reconnaît également directement que les démonstrations web brutes présentent des micro-sauts, des fréquences d'images variables, etc., et que ces données brutes seules ne suffisent pas à entraîner une politique fiable ; il décrit également une validation par relecture des trajectoires soumises. Ne pas éviter les points douloureux est un bon signe ; ce qui importe désormais, c'est d'observer à quel point la validation est efficace à grande échelle. Selon vous, quel est le moat le plus important : le nombre de contributeurs, ou la capacité à transformer les démonstrations brutes en trajectoires prêtes pour l'entraînement ?