Set data robot menjadi lebih berguna apabila bahagian-bahagiannya menjawab satu sama lain. Itulah yang menarik perhatian saya dalam enjin data dari @axisrobotics. Penghasilan tugas menentukan skenario dan kemahiran atomik yang perlu dicakup. Penyumbang menghasilkan trajektori melalui teleoperasi peramban atau pengambilan egosentrik dunia nyata. Satu saluran terpadu kemudian mengesahkan, membersihkan, mengannotasi, dan meningkatkan input-input tersebut sebelum ia menjadi data latihan. Litar ini tidak perlu berakhir di sini. Setelah polisi dilatih, kelemahannya boleh menentukan tugas-tugas mana yang dibuka semula selepas latihan. Seorang penyumbang memantau polisi mencuba tugas, mengambil alih apabila ia gagal, kemudian mengembalikan kawalan. Koreksi-koreksi ini memasuki iterasi seterusnya. Setiap komponen mempunyai tugas masing-masing, tetapi nilai sebenar terletak pada maklum balas antara mereka: hasilkan, kumpul, proses, latih, ekspos kelemahan, kumpul semula. Data yang lebih banyak sahaja adalah matlamat yang kabur. Sistem yang mampu meminta data berguna seterusnya adalah sistem yang jauh lebih tajam. Mulakan di sini: https://t.co/SUKXsZDwvC