以前は、より多くの人間による修正が自動的にロボットの学習を向上させると信じていた。しかし、その直感は間違っていた。 Axisによるこの実験を読んだ後、最も印象に残ったのは収集されたデータの量ではなく、彼らがどのようにそれをフィルタリングしたかだった。 非常に単純なタスクを考えてみよう：豆腐を皿の上に置く。 ロボットが失敗の直前になると、ユーザーはAxis Hubを通じて直接操作して修正できた。合計660回の介入が記録された。 しかし、@axisroboticsはそのすべてを学習に使用しなかった。 合計の24.4％にあたる161のセグメントだけがフィルターを通過した。 その理由はまったく理にかなっている。 最終的に成功した軌道だからといって、その中に含まれるすべての人間の行動が学習に価値があるわけではない。無駄な動き、回りくどい経路、あるいは有用なシグナルを提供しない一時停止が含まれている可能性がある。 そのため、各修正は以下の3つのハードルをクリアしなければならなかった： → シミュレーションで再現できること → 元のポリシーが実際に失敗したことを示すこと → クリティカルなセグメントを抽出し、ロボットが自力で回復できるかをクローズドループチェックで確認すること これが私が最も気に入った部分だ： 人間のフィードバックの価値は、「人間がタスクを成功させた」という事実にあるのではない。 価値は、失敗状態からロボットが自力で再現可能な回復へと導いた、正確な行動を特定することにある。 660回の修正は大量に見えるかもしれない。 しかし、検証された161のシグナルの方がはるかに価値が高い。 おそらく、これがコミュニティ由来のデータが真正にスケーラブルなデータエンジンへと進化する方法なのだ。