यह @axisrobotics द्वारा डेटासेट बनाने और रोबोट या फिजिकल AI को प्रशिक्षित करने के लिए एक वर्कफ्लो पाइपलाइन है। इसमें 5 मुख्य चरण हैं: 1. कार्य जनरेशन और एसेट नॉर्मलाइजेशन एक टेक्स्ट प्रॉम्प्ट से कार्य बनाना और 3D मॉडल जैसे एसेट्स को तैयार करना ताकि उन्हें सिमुलेटर में उपयोग किया जा सके। 2. वेब-आधारित टेलीऑपरेशन मनुष्य वेब के माध्यम से रोबोट को वर्चुअली नियंत्रित करते हैं ताकि वे कार्य कर सकें। इन गतिविधियों को प्रदर्शन डेटा/ट्रैजेक्टरी के रूप में रिकॉर्ड किया जाता है। 3. ऑफलाइन डेटा क्लीनिंग और रिफाइनमेंट एकत्रित डेटा को साफ़ किया जाता है, उदाहरण के लिए: - गुणवत्ता फ़िल्टरिंग - हेसिटेशन हटाना - ट्रैजेक्टरी स्मूथिंग परिणाम रिफाइंड ट्रैजेक्टरी होते हैं। 4. रियलिस्टिक ऑगमेंटेशन साफ़ किए गए डेटा को विविधताओं के साथ बढ़ाया जाता है: - विजुअल विविधता - पोज़ विविधता - नॉइज़ इंजेक्शन - डायनामिक विविधता लक्ष्य यह है कि रोबोट अधिक मजबूत हो और सामान्यीकरण कर सके। 5. पॉलिसी लर्निंग और रियल-वर्ल्ड वैलिडेशन डेटासेट का उपयोग पॉलिसी लर्निंग के लिए किया जाता है, फिर हम sim to real transfer करते हैं और वास्तविक दुनिया में रोबोट पर परीक्षण करते हैं। इसलिए, यह वर्कफ्लो Axis के द्वारा फिजिकल AI के लिए एक डेटा इंजन कैसे बनाया जाता है, इसे समझाने के लिए काफी महत्वपूर्ण है। Axis, कार्य जनरेशन से लेकर रोबोट को वास्तविक दुनिया में कार्य करने में सक्षम बनाने तक, पूरी पाइपलाइन बनाने की कोशिश कर रहा है। स्रोत: 🔗https://t.co/nYmkIWawKY