GM fams Je crois que le nouveau programme Challenger de @axisrobotics résout un problème courant avec la formation des robots par le crowd-sourcing : Toutes les contributions ne doivent pas être destinées à chaque tâche. Une simple tâche de saisie et placement représente un défi bien différent d’une tâche articulée complexe, comme ouvrir des tiroirs, des armoires ou des appareils. Vous ne subissez pas de « tentative échouée » si une personne inexpérimentée essaie la tâche plus difficile. Vous risquez aussi d’obtenir des données d’entraînement de mauvaise qualité. Désormais, Axis déplace ces tâches plus complexes vers un autre pool. L’accès est basé sur un historique de contributions, un taux de vérification, une activité avant et après la formation, la diversité des tâches et la constance des performances par rapport aux autres personnes effectuant les mêmes tâches. Les tâches plus difficiles sont ensuite attribuées à des formateurs qualifiés, qui recevront des points 2 à 3 fois plus élevés par tâche. Je pense que cette configuration est excellente. Les tâches les plus complexes sont attribuées à ceux qui ont démontré leur capacité à créer des trajectoires fiables, tandis que les nouveaux contributeurs bénéficient d’une méthode plus indulgente pour apprendre. Plus il y a de données, mieux c’est pour l’entraînement des robots. C’est encore mieux si la bonne personne crée les bonnes données.