Ao realizar tarefas na plataforma Axis, muitas pessoas focam apenas na pontuação de uma única trajetória. Através dos materiais públicos de cooperação entre Axis e Booster, é possível ver seu modelo de negócios muito concreto: a Axis fornece serviços aos clientes por meio de pacotes de preços que agrupam 5 a 20 tarefas; as empresas de robótica adquirem pacotes de tarefas validadas como capacidades completas. Por exemplo, tarefas básicas como pegar uma caneta ou pegar uma caixa de fones de ouvido incluem múltiplas variações sob cada tarefa — como posição do objeto, condições de iluminação, ângulo de visão e trajetória de operação — para treinar robôs a se adaptarem a diversas variações em ambientes reais. A divisão de responsabilidades entre as partes é clara e bem definida: o Booster é responsável por fornecer os robôs propriamente ditos, assumindo a adaptação de hardware, a configuração de equipamentos e a validação em máquinas reais. O @axisrobotics conecta os robôs à plataforma de simulação, monta cenários simulados correspondentes e gera grandes volumes de dados de trajetórias de operação pela comunidade. Os dados gerados passam primeiro por validação na simulação e, posteriormente, exigem testes conjuntos com o Booster para completar o ciclo fechado de dados entre simulação e máquina real. Dados experimentais públicos demonstram claramente o ganho proporcionado pelos dados simulados: Com apenas 10 dados reais de demonstração, somados a 50 dados simulados, o robô alcançou 17 sucessos em 20 testes reais; no grupo de controle que usou apenas 10 dados reais, a taxa de sucesso foi 0%. Outro experimento com poucos exemplos mostrou que, após pré-treinamento adicional com o conjunto de dados da Axis, o modelo do Booster alcançou desempenho superior ao modelo original usando 60 exemplos, mesmo com apenas 30 exemplos por tarefa. Observação: Essas conclusões experimentais aplicam-se apenas às tarefas e condições de avaliação selecionadas neste experimento e não podem ser generalizadas diretamente para todos os cenários de robótica. Contudo, elas comprovam que dados simulados de alta qualidade podem reduzir significativamente o esforço e custo da coleta de dados em máquinas reais. Com base nesse raciocínio, ao participar das tarefas da Axis, o valor está mais em cobrir uma ampla gama de cenários e habilidades do que em refinar repetidamente trajetórias de alta pontuação para uma única tarefa. Após obter uma trajetória de alta pontuação em uma tarefa simples, recomenda-se parar as operações repetitivas; em vez disso, altere o tipo de objeto, o ambiente do cenário ou o nível de dificuldade para gerar dados diferenciados — algo mais alinhado com a demanda real dos clientes por “pacotes de tarefas”. As operações de pegar e posicionar realizadas no navegador levam apenas alguns minutos por execução, mas essas trajetórias ainda precisam ser organizadas, validadas e embaladas em pacotes de tarefas antes de entrarem no fluxo de treinamento dos modelos dos fabricantes de robôs. Novatos devem priorizar as tarefas Beginner. Após concluir uma tarefa, certifique-se de assiná-la no Portfolio. Trajetórias sem assinatura na cadeia Base não serão contabilizadas como pontos na plataforma. https://t.co/EG13vQL9M5