जब आप रोबोट प्रशिक्षण के लिए क्राउडसोर्सिंग करते हैं, तो एक अजीब समस्या उभरती है: आपका सबसे कठिन डेटा शायद आपके औसत योगदानकर्ता से नहीं आना चाहिए। @axisrobotics ने हाल ही में "चैलेंजर प्रोग्राम" नामक कुछ पेश किया है, और मुझे लगता है कि इसकी पृष्ठभूमि में छिपी अवधारणा नाम से अधिक महत्वपूर्ण है। दो रोबोट कार्यों की कल्पना करें। कार्य A सरल है: एक वस्तु को उठाएं और इसे एक बिन में रखें। कार्य B में असुविधाजनक ज्यामिति, संकीर्ण सहिष्णुता, कई चरण और पहली पकड़ गलत होने पर पुनर्प्राप्ति शामिल है। अगर दोनों कार्यों को एक ही सार्वजनिक पूल में फेंक दिया जाए, तो आप उन्हें ऐसा मान रहे हैं जैसे उनके लिए समान कौशल की आवश्यकता हो। ऐसा नहीं है। शुरुआती लोग कठिन कार्य पर पड़ते हैं, उसमें कठिनाई महसूस करते हैं, अव्यवस्थित प्रयास उत्पन्न करते हैं और संभवतः खुद को खराब अनुभव होता है। इसके बीच, अनुभवी योगदानकर्ता सटीक रूप से उन कार्यों की ओर मार्गदर्शित नहीं होते, जहाँ उनका कौशल सबसे मूल्यवान है। एक्सिस इन दोनों दुनियाओं को अलग करना शुरू कर रहा है। सीधे-सादे कार्य सामान्य पूल में ही रहेंगे। कठिन कार्यों को पहले से ही प्लेटफ़ॉर्म का उपयोग करना जानने वाले योगदानकर्ताओं के लिए समर्पित "चैलेंजर" क्षेत्र में स्थानांतरित कर दिया जाएगा। शुरुआत में, यह एक छोटा UX अपडेट लगता है। लेकिन मुझे लगता है कि यह कुछ बड़े की ओर संकेत करता है: रोबोट डेटा में एक कौशल-मिलान समस्या है। एकबार सही समय पर, कंtributor network पर्याप्त बड़ा होने के बाद, प्रश्न सिर्फ़: "यह डेटा कौन पैदा कर सकता है?" नहीं, बल्कि: "यह सटीक डेटा कौन पैदा करना चाहिए?" आसान कार्य स्केल के लिएअनुकूलित हो सकते हैं। कठिन कार्य कौशल-मिलान के लिए। और अंततः, मैं कल्पना कर सकता हूँ कि मिलान कई स्तरों पर होगा: इस योगदानकर्ता को सटीक पकड़ने में महारत है एक और लंबे समय के कार्यों में बेहतर है एक और पुनर्प्राप्ति में असाधारण रूप सेअच्छा है एकऔरविशिष्टशरीर-प्रणालीके साथअच्छीप्रदर्शनकरता है फिर, समुदाय कम समुदाय की तरह… औरअधिकवितरितश्रमबलजैसा प्रतीतहोगा,जिसमेंविशेषज्ञताएँहैं। यह,रोबोटकेलिएमानवबुद्धि कोबढ़ानेकाएकअधिकदिलचस्पतरीका है। https://t.co/4FLsS5npxd