मैंने @continuumlabs_ के GitHub को देखते समय एक बात ध्यान में आई कि रोबोट डेटा इकट्ठा करना अंतिम लक्ष्य नहीं है। वास्तव में, यहीं से एक और समस्या शुरू होती है। आप इस सारे कच्चे डेटा के साथ क्या करेंगे? कल्पना कीजिए कि आप हजारों रोबोट प्रदर्शनों को रिकॉर्ड कर रहे हैं। कुछ हरकतें बहुत शोरवाली हो सकती हैं। कुछ ट्रैजेक्टरीज़ में असंगतियाँ हो सकती हैं। कुछ डेटा प्रशिक्षण के लिए बिल्कुल भी उपयोगी नहीं हो सकता। आप सब कुछ मॉडल में फेंककर सब कुछ सही हो जाएगा, इस आशा पर निर्भर नहीं रह सकते। यहीं पर Continuum Data Cleaning का महत्व है। यह Axis परितंत्र में एक टूलकिट है, जो रोबोट ट्रैजेक्टरीज़ को प्रोसेस करने और मूल्यांकन करने पर केंद्रित है, जब तक कि उन्हें पाइपलाइन के आगे के चरण में प्रयोग नहीं किया जाता। और सच में, इस हिस्से के बारे में पर्याप्त बात नहीं होती। हमें अधिक डेटा इकट्ठा करने के बारे में बहुत सुनने को मिलता है। लेकिन अधिक डेटा स्वयं ही सदैव बेहतर डेटा नहीं होता। एक रोबोट ट्रैजेक्टरी को किसी कार्य को पूरा करते समय हुए सब कुछ के रिकॉर्डिंग के रूप में समझिए। अगर रिकॉर्डिंग में अनावश्यक शोर या अनियमितताएँ हैं, तो मॉडल संभवतः आपके वास्तविक रुचि के व्यवहार के स्थान पर, उन अपूर्णताओं से सीखने लगेगा। इसलिए, डेटा की समीक्षा और प्रसंस्करण किया जाना चाहिए। Continuum Data Cleaning में, ट्रैजेक्टरी स्मूथिंग और पुनःनमूनाकरण (resampling) के साथ-साथ, ट्रैजेक्टरी की गुणवत्ता का मूल्यांकन करने में मदद करने वाले मीट्रिक्स (metrics) हैं। उदाहरण के लिए, स्मूथिंग मूवमेंट डेटा में अवांछित शोर को कम करने में मदद कर सकती है। पुनःनमूनाकरण, समय के साथ-साथ,डेटा पॉइंट्स के वितरण को समानता प्रदान कर सकता है। और मूल्यांकन मीट्रिक्स,आपको प्रत्येक रिकॉर्ड किए गए प्रदर्शन को उपयोगी मानने के स्थान पर,यह समझने में मदद करते हैं कि क्या कोई ट्रैजेक्टरी समझदारी से प्रतीत होती है।इसके साथ-साथ,टास्क-लेवल प्रमाणीकरण (task level validation)भी है। यह महत्वपूर्ण है,क्योंकिएकट्रैजेक्टरीतकनीकीदृष्टि सेठीख़्वाहज़्बतसकतीहै,लेकिनफिरभीवास्तविककार्यपूरा करने मेंअसफलहोसकतीहै। एक सुचारुता से हिलने वाला रोबोट,आवश्यकतःउसकेद्वारापूरा किएजानेवालेकार्यकोसफलतापूर्वकपूरा करने का संकेतनहींदेता।इसलिएआपदोनोंप्रश्नपूछनाचाहेंगे... "क्यायहट्रैजेक्टरीसाफहै?" और "क्यारोबोटनेवास्तवमेंकार्यपूराकिया?" जबआपफिज़िकल AIकेलिएडेटासेटबना رहे हों,तोयहअंतरमहत्वपूर्णहै। Axisकेबारेमेंदिलचस्पबातयहहैकिआपदेखसकतेहैंकिअलग-अलगrepositoryसमझमेआएँ।ContinuumTaskGenटास्कबनाने मेमददकरताहै। मनुष्य,टेलीऑपरेशन (teleoperation)के माध्यम सेउनटास्कसमझतेहैं।इनअंतःक्रियाओंसेट्रैजेक्टरीउत्पन्नहोतीहैं। फिरContinuumDataCleaningजैसेउपकरणइसट्रैजेक्टरीडेटाकोप्रोसेसऔरमूल्यांकनमेमददकरसकतेहैं।इनचरणोंकेबादहीआपवास्तवमेंप्रशिक्षण-तैयारडेटाकीओरबढ़तेहैं।यहअधिकपूर्णअप्रोचहैजिससेआपअपनीदृष्टि सेroboticsदेखसकतेहैं। यहबस... →अधिकसेअधिकडेटाइकट्ठा करना नहींहै। यह... →इकट्ठा →जाँच →सफ़ाई →प्रमाणीकरण →सुधार →प्रशिक्षण है। क्योंकि,अगररोबोटमनुष्यके प्रदर्शनसेसीखनेजा رहे हैं,तोउनप्रदर्शनोंकीगुणवत्तामहत्वपूर्णहै। औरइसलिएमुझेलगताहैकि,पाइपलाइनकेउसअधिकअधिकचमचमाते-भाग,जोडेटासफ़ाई,प्रमाणीकरणऔरमूल्यांकनहै,वहभीउससभीबड़ेAIमॉडलजिसबारेमेसबलोगबातकरतेहैं,उतनाहीमहत्वपूर्णसिद्धहोसकता है। आज,मैं@continuumlabs_के साथएकट्रैजेक्टरीशुद्धऔरप्रसंस्कृत( clean and process) होते समयवास्तवमेंक्या होता है,इसपरअधिकगहरईदड़ियलगऊँगा।