Eu costumava achar que mais correções humanas automaticamente significavam um melhor treinamento de robôs. Descobri que essa intuição está errada. Após ler sobre esse experimento da Axis, o que mais me chamou atenção não foi o volume absurdo de dados coletados, mas sim como eles filtraram esses dados. Considere uma tarefa muito simples: colocar um bloco de tofu sobre um prato. Quando o robô estava à beira da falha, os usuários podiam assumir o controle diretamente pelo Axis Hub para fazer correções. Um total de 660 intervenções foram registradas. No entanto, @axisrobotics não usou todas para treinamento. Apenas 161 segmentos, representando 24,4% do total, passaram no filtro. O raciocínio faz todo o sentido. Simplesmente porque uma trajetória terminou com sucesso não significa que cada ação humana dentro dela seja digna de aprendizado. Pode haver movimentos redundantes, caminhos circulares ou pausas que não oferecem nenhum sinal útil. Portanto, cada correção precisava superar três etapas: → Reproduzir com sucesso na simulação → Demonstrar que a política original realmente falhou → Extrair o segmento crítico e realizar uma verificação em malha fechada para verificar se o robô poderia se recuperar sozinho Essa é a parte que eu mais gostei: O valor do feedback humano não está simplesmente no fato de que “um humano realizou com sucesso a tarefa”. Está em identificar exatamente qual ação transformou um estado de falha em uma recuperação que o robô pudesse replicar sozinho. 660 correções parecem um número enorme. Mas 161 sinais verificados são muito mais valiosos. Talvez seja assim que dados provenientes da comunidade realmente se transformam em um motor de dados escalável.