過去1週間、私は主要なロボティクスデータプラットフォームをすべて見比べ、自分の時間をどこに注ぐべきか決断しました。 それらのほとんどは、間違った問題を解決しようとしています。 「物理的AI」の分野で誰も口にしたくない真実があります： あなたのロボットは、より優れた脳を必要としていません。もっと多くのものを「見て」いる必要があります。 LLMが賢くなったのは、インターネットが何兆もの単語を無料で提供したからです。 ロボットにはそれがありません。「物理的な動きのインターネット」など、誰かがスクレイピングするのを待っているようなものは存在しません。 誰かが、タスクごと、動きごと、人間ごとに、それを作り出さなければなりません。 それが本当のボトルネックです。GPUでも、モデルのサイズでもありません。まだ存在しないデータです。 @axisroboticsは、この問題を副次的な課題ではなく、核心的な課題として扱っている数少ないプロジェクトの一つです。 あなたがタスクを実行すると、それが検証され、オンチェーンで署名され、ロボットが実際に学習できるトレーニングデータになります。 これは2009年のコンピュータビジョンにおけるImageNetと同じ役割を果たします。形は同じですが、ドメインが異なります。 今週、私は初めてTrajectoryを実行しました。「台所用具の配置」、7ステップ、フォークを動かす、ナイフを動かす、皿を重ねる、ジャム瓶を重ねる。 7ステップ目。ジャム瓶を置きました。タスクはほぼ完了。 しかしジャム瓶が皿から飛び跳ねてしまいました。最初からやり直しです。 これが誰も見せてくれない部分です。これはボタンをクリックして「データ」と呼ぶようなものではありません。ロボットが実際に学習できるほどクリーンになるまで、同じタスクを繰り返し行うことです。 物理的AIを実現するためには、この地味な部分をまず構築しなければなりません。