Ada masalah aneh yang muncul saat Anda mengandalkan crowdsourcing untuk pelatihan robot: data paling sulit Anda kemungkinan besar sebaiknya tidak berasal dari kontributor rata-rata. @axisrobotics baru-baru ini memperkenalkan sesuatu yang disebut Challenger Program, dan menurut saya, ide di baliknya lebih penting daripada namanya. Bayangkan dua tugas robot. Tugas A sederhana: mengambil objek dan meletakkannya ke dalam wadah. Tugas B melibatkan geometri yang rumit, toleransi ketat, beberapa langkah, dan pemulihan jika pegangan pertama gagal. Jika kedua tugas tersebut dimasukkan ke dalam satu kumpulan publik yang sama, Anda memperlakukan keduanya seolah-olah memerlukan tingkat keterampilan operator yang sama. Padahal tidak demikian. Pemula menghadapi tugas sulit, kesulitan melakukannya, menghasilkan upaya yang berantakan, dan kemungkinan besar mengalami pengalaman buruk. Sementara itu, kontributor berpengalaman tidak secara khusus dialihkan ke tugas-tugas di mana keterampilan mereka paling berharga. Axis mulai memisahkan dua dunia ini. Tugas-tugas sederhana tetap berada di kumpulan biasa. Tugas-tugas sulit dipindahkan ke zona Challenger khusus untuk kontributor yang sudah tahu cara menggunakan platform ini. Awalnya, ini terdengar seperti pembaruan UX kecil. Saya pikir ini sebenarnya menunjuk pada sesuatu yang lebih besar: data robot memiliki masalah pencocokan keterampilan. Setelah jaringan kontributor cukup besar, pertanyaannya bukan lagi hanya: “Siapa yang bisa menghasilkan data ini?” Tapi: “Siapa yang seharusnya menghasilkan data spesifik ini?” Tugas mudah dapat dioptimalkan untuk skala. Tugas sulit dapat dioptimalkan untuk keterampilan operator. Dan pada akhirnya, saya membayangkan pencocokan ini menjadi jauh lebih rinci: kontributor ini sangat ahli dalam pegangan presisi yang lain lebih baik dalam tugas jangka panjang yang lain luar biasa baik dalam pemulihan yang lain tampil baik dengan embodiment tertentu Maka jaringan tersebut mulai terlihat kurang seperti kerumunan… dan lebih seperti tenaga kerja terdistribusi dengan keterampilan spesialis. Itu adalah cara yang jauh lebih menarik untuk menskalakan kecerdasan manusia untuk robot. https://t.co/4FLsS5npxd