ロボットデータセットは、その構成要素が互いに補完し合うときに、より有用になる。 @axisrobotics のデータエンジンで私が特に注目したのは、タスク生成がどのシナリオと原子的スキルをカバーするかを決定する点だ。 貢献者は、ブラウザによる遠隔操作または現実世界のエゴセントリックなキャプチャを通じて軌道を生成する。その後、統合されたパイプラインがこれらの入力を検証・クリーニング・アノテーション・拡張し、トレーニングデータへと変換する。 このループはここで終わる必要はない。ポリシーが訓練された後、その弱みがどのタスクを再開すべきかを決定する。 貢献者はポリシーがタスクを試行する様子を観察し、失敗した際に操作を引き継ぎ、その後再び制御を返す。これらの修正は次のイテレーションにフィードバックされる。 各コンポーネントにはそれぞれ役割があるが、価値はそれらの間のフィードバックにある：生成、収集、処理、訓練、弱点の暴露、再収集。 単に「より多くのデータ」を得ることは曖昧な目標だ。次に必要なデータを自ら問いかけられるシステムこそ、はるかに鋭いものだ。 こちらから開始：https://t.co/SUKXsZDwvC