ロボットの訓練データをクラウドソーシングする際に生じる奇妙な問題： 最も難しいデータは、平均的な貢献者から得るべきではない。 @axisroboticsは最近「チャレンジャープログラム」と呼ばれる仕組みを導入したが、その背後にあるアイデアは名前以上に重要だと思う。 二つのロボットタスクを想像してみよう。 タスクAは簡単だ：物体をつかんで bin に置くだけ。 タスクBは、不自然な形状、厳しい公差、複数のステップ、そして最初のつかみが失敗した場合の回復を含む。 両方のタスクを同じ一般公開プールに投げ込むと、両者に同じオペレーターのスキルが求められると見なすことになる。 しかし、実際にはそうではない。 初心者は難しいタスクに遭遇し、苦戦して不完全な試行を生み出し、自身も不満な体験をする可能性が高い。 一方、経験豊富な貢献者は、そのスキルが最も価値を発揮するタスクに特化して誘導されていない。 Axisはこの二つの世界を分離し始めている。 シンプルなタスクは従来のプールに残す。 困難なタスクは、すでにプラットフォームの使い方を知っている貢献者のための専用チャレンジャーゾーンに移す。 最初は小さなUXの更新に見えるかもしれない。 しかし、これはより大きな問題を示している： ロボット用データには「スキルのマッチング問題」がある。 貢献者ネットワークが十分に大きくなれば、問題は単に 「誰がこのデータを生成できるか？」 ではなく、 「誰がこの特定のデータを生成すべきか？」 になる。 簡単なタスクはスケールを最適化できる。 難しいタスクはオペレーターのスキルを最適化できる。 そして将来的には、このマッチングがさらに細分化される可能性がある： この貢献者は精密なつかみが得意 別の人は長期的なタスクに優れている 別の人は回復作業が異常にうまい 別の人は特定のエムボディメントで良好なパフォーマンスを発揮する そうなると、ネットワークは「群衆」ではなく、 専門スキルを持つ分散型労働力のように見えるようになる。 これは、ロボットのために人間の知性をスケールさせる、はるかに興味深い方法だ。 https://t.co/4FLsS5npxd