Kebanyakan orang berfikir bahawa melatih robot AI hanya melibatkan pemberian data yang tanpa henti. Tetapi itu tidak benar. Data yang lebih banyak tidak bermaksud model yang lebih pintar; data yang tepatlah yang penting. Anda perlu memahami perbezaan ini. Ini perkara utamanya: nilai trajektori tidak pernah statik. Bayangkan mengajar lengan robot untuk menyusun blok. Setelah ia berjaya 95% dalam pengambilan yang lancar, mengumpulkan 10,000 contoh pengambilan dan penempatan sempurna tambahan tidak menambah nilai apa-apa. Yang benar-benar penting ialah apa yang berlaku apabila ia tergelincir, salah menghakimi kedalaman, atau menjatuhkan cawan. Hanya dengan melatih dari pelbagai sudut kita mendapat data yang kukuh, dan ini membantu kita menghadapi isu secara masa nyata. Itulah sebabnya set latihan statik gagal. Di @axisrobotics, kami tidak memperlakukan data sebagai tumpukan tetap; kami memperlakukannya sebagai enjin adaptif yang hidup. Bukan mengulangi tugas yang telah dikuasai, indikator bawahannya mengesan di mana kegagalan pelaksanaan berlaku. Lubang-lubang tak terduga ini menunjukkan dengan tepat apa yang perlu diperbaiki. Ia beroperasi dalam gelung tertutup berterusan: Model → Evaluasi → Pilih → Kumpul → Latih → Model Perilaku yang telah dikuasai diletakkan sisi, dan data baru yang bermanfaat tinggi mendapat keutamaan. Dengan secara aktif mengumpul koreksi tepat yang sedang sukar dilakukan model, setiap batch baru benar-benar meningkatkan kemampuan robot. Berhenti mengumpul data berulang. Latih jurang-jurangnya. Dalam video ini, saya cuba mengambil plum dan aprikot, kemudian meletakkannya ke dalam dulang logam; kemudian sekali lagi saya ambil aprikot dan letakkan ke dalam mangkuk pencampur. Kelihatan sangat mudah, tetapi lengan robot tidak mendengar apa yang kita katakan; saya perlu melatih mereka dengan sudut yang betul untuk menyelesaikan tugas ini. Pada awalnya, saya juga menghadapi masalah; kemudian saya memahami cara mengendalikannya, dan saya berjaya menyelesaikan tugas tersebut. Anda juga boleh periksa video ini... betapa sukar ia... Kongsi pengalaman anda dengan saya juga. @axisrobotics