多くの人々は、AIロボットの訓練とは無限のデータを投入することだと考えていますが、それは真実ではありません。 データ量が増えても、モデルがより賢くなるわけではありません。正しいデータが重要です。この違いを理解する必要があります。 ポイントは、トラジェクトリーの価値は常に固定されていないということです。ロボットアームにブロックを積み重ねる方法を教えることを考えてみてください。滑らかなピック動作を95％成功させた後、さらに1万回の完璧なピック＆プレイスのデモを収集しても、価値はゼロです。 本当に重要なのは、ロボットが滑ったり、厚さを誤判断したり、カップを倒したりしたときの挙動です。異なる角度から訓練することで、実質的なデータが得られ、リアルタイムで問題に対応できるようになります。 これが、静的なトレーニングセットが失敗する理由です。@axisrobotics では、データを固定されたデータの塊と見なすのではなく、適応的で生きているエンジンと捉えています。 マスターしたタスクを繰り返すのではなく、ダウンストリームの指標がロールアウト時の失敗箇所を特定します。これらのエッジケースの盲点こそ、修正すべき正確なポイントを示しています。 これは継続的な閉ループで動作します： モデル → 評価 → 選択 → 収集 → 訓練 → モデル マスターした行動は脇に置かれ、新しく高レバレッジなデータが優先されます。モデルが現在苦戦している正確な修正を積極的に収集することで、毎回の新しいバッチがロボットの能力を真に向上させます。 不要なデータを蓄積するのをやめましょう。ギャップを訓練してください。 動画では、プラムとアーモンドを掴んで金属トレイに入れ、次にアーモンドをミキシングボウルに入れるという作業を行いました。 とても単純に見えるかもしれませんが、ロボットアームは私たちの指示を聞いていません。このタスクを完了するには、適切な角度から適切に訓練する必要があります。最初は私も問題に直面しましたが、その後対処法を理解し、タスクを完了できました。 ぜひこの動画もご確認ください。どれほど難しいかお分かりいただけると思います。あなたの経験も教えてください。 @axisrobotics