คนส่วนใหญ่คิดว่าการฝึกหุ่นยนต์ AI คือการให้ข้อมูลจำนวนมากแบบไม่สิ้นสุด แต่นั่นไม่ใช่ความจริง ข้อมูลมากขึ้นไม่ได้หมายถึงโมเดลที่ฉลาดกว่า; แต่ข้อมูลที่ถูกต้องต่างหากที่สำคัญ คุณต้องเข้าใจความแตกต่างนี้ นี่คือประเด็น: คุณค่าของเส้นทางไม่เคยคงที่ ลองคิดถึงการสอนแขนหุ่นยนต์ให้เรียงบล็อก เมื่อมันทำได้สำเร็จ 95% ของการหยิบอย่างราบรื่น การเก็บข้อมูลเพิ่มอีก 10,000 ตัวอย่างที่สมบูรณ์แบบกลับไม่มีคุณค่าใดๆ สิ่งที่สำคัญจริงๆ คือสิ่งที่เกิดขึ้นเมื่อมันล้มเหลว ประเมินความลึกผิด หรือพลิกถ้วยตก แค่การฝึกจากมุมต่างๆ เท่านั้นที่ให้ข้อมูลที่มีคุณภาพ และช่วยให้เราจัดการกับปัญหาในเวลาจริง นั่นคือเหตุผลที่ชุดข้อมูลแบบคงที่ล้มเหลว ที่ @axisrobotics เราไม่ได้จัดการข้อมูลเหมือนถังเก็บข้อมูลคงที่ แต่เราจัดการมันเหมือนเครื่องจักรที่ปรับตัวได้และมีชีวิต แทนที่จะทำซ้ำงานที่ทำได้แล้ว ตัวชี้วัดด้านล่างจะระบุจุดที่เกิดความล้มเหลวในการใช้งานจริง จุดบอดเหล่านี้แสดงให้เห็นชัดเจนว่าอะไรคือสิ่งที่ต้องแก้ไข มันทำงานบนวงจรปิดแบบต่อเนื่อง: โมเดล → ประเมิน → เลือก → เก็บรวบรวม → ฝึก → โมเดล พฤติกรรมที่ฝึกเสร็จแล้วจะถอยไปข้างหลัง และข้อมูลใหม่ที่มีเลเวอเรจสูงจะได้รับความสำคัญก่อน โดยการรวบรวมอย่างกระตือรือร้นการแก้ไขเฉพาะที่โมเดลกำลังเจอปัญหาในขณะนี้ แต่ละชุดข้อมูลใหม่จึงช่วยยกระดับความสามารถของหุ่นยนต์อย่างแท้จริง หยุดสะสมข้อมูลซ้ำซ้อน ฝึกที่จุดที่ยังขาดหาย ในวิดีโอ ผมพยายามหยิบลูกพลัมและลูกแอปริคอต แล้ววางลงในถาดโลหะ จากนั้นลองหยิบแอปริคอตอีกครั้งแล้ววางลงในชามผสม ดูเหมือนง่ายมาก แต่แขนหุ่นยนต์ไม่ได้ฟังสิ่งที่เราบอกมัน ผมจำเป็นต้องฝึกมันอย่างถูกต้องจากมุมที่เหมาะสมเพื่อให้งานสำเร็จ ในตอนแรก ผมก็เจอปัญหาเช่นกัน แต่ต่อมาผมเข้าใจวิธีจัดการ และสามารถทำสำเร็จ คุณสามารถดูวิดีโอนี้ด้วยเช่นกัน... มันยากแค่ไหน... แบ่งปันประสบการณ์ของคุณให้ผมด้วยนะ @axisrobotics