При выполнении задач на платформе Axis многие сосредотачивают внимание исключительно на рейтинге отдельной траектории. Из публичных материалов о сотрудничестве между Axis и Booster видно их четко выраженная бизнес-модель: Axis предоставляет клиентам услуги по тарифной схеме, где задачи объединяются в пакеты по 5–20 задач, а робототехнические компании приобретают проверенные комплекты задач, уже готовые к использованию. Например, для базовых задач, таких как поднятие ручки или захват коробки с наушниками, к каждой отдельной задаче настраиваются различные варианты: положение объекта, освещение, угол обзора, траектория движения — все это необходимо для обучения роботов адаптации к разнообразным реальным условиям. Разделение обязанностей между партнерами четко определено: Booster отвечает за предоставление робототехнических платформ, включая адаптацию оборудования, настройку устройств и реальную верификацию. @axisrobotics подключает роботов к симуляционной платформе, создает соответствующие виртуальные сценарии и обеспечивает сбор большого объема данных о траекториях действий от сообщества. Собранные данные сначала проходят валидацию в симуляции, а затем требуют совместного проведения тестов с Booster для реализации замкнутого цикла данных — симуляция ↔ реальная машина. Публичные экспериментальные данные наглядно демонстрируют преимущества симуляционных данных: При использовании 10 реальных демонстрационных примеров и добавлении 50 симуляционных примеров робот достиг цели при 17 из 20 реальных тестов. В контрольной группе, где использовались только 10 реальных примеров, успешность контакта составила 0%. Другой эксперимент с малым количеством данных показал: после дообучения модели Booster на датасете Axis, при использовании всего 30 демонстрационных примеров на задачу результат превосходит производительность исходной модели, обученной на 60 примерах. Важно: приведенные выше выводы применимы только к выбранным задачам и условиям тестирования в данном эксперименте и не могут быть напрямую обобщены на все сценарии применения роботов. Однако они подтверждают, что высококачественные симуляционные данные эффективно снижают объем дорогостоящего сбора реальных данных. На основе этой логики при участии в задачах Axis важнее не многократно оттачивать одну и ту же высокорейтинговую траекторию, а обеспечить максимальное покрытие различных сценариев и навыков. После получения высокого рейтинга на одной простой задаче рекомендуется прекратить повторные попытки и переключиться на другие типы объектов, условия среды или уровни сложности — так вы создадите более разнообразные данные, соответствующие реальным потребностям клиентов при покупке «пакетов задач». Операции по захвату и размещению, выполняемые через браузер, занимают всего несколько минут за раз, но полученные траектории необходимо отсортировать, проверить и упаковать в пакеты, прежде чем они попадут в процесс обучения моделей робототехнических компаний. Новичкам рекомендуется начинать с задач уровня Beginner; после выполнения задачи обязательно подпишите их в Portfolio. Траектории без подписи на цепочке Base не учитываются в рейтинге платформы. https://t.co/EG13vQL9M5