Veri İşleme Katmanı, Robot Verilerini Kullanılabilir Hale Getiren Kıstastır Robot verilerini toplamak, sorunun yalnızca yarısıdır. Diğer yarısı, bu verileri bir modelin gerçekten kullanabileceği bir hale getirmektir. Bir robot trajektorisi, sadece toplandığı için otomatik olarak eğitim için hazır değildir. Fiziksel Yapay Zeka için, veriler sistemin bir sonraki aşamasına beslenebilmek üzere bir işleme hattından geçmelidir. İşte burada Axis’in Veri İşleme Hattı devreye girer. Hattı, toplanan trajektorileri aşağıdaki adımlardan geçirir: Doğrulama → Filtreleme → Yumuşatma → Yeniden Örnekleme → Rastgeleleştirilmiş koşullar altında tekrar oynatma. Bu adımlar, toplanan trajektorileri politika eğitimi için kullanılabilir hale getiren eğitim için hazır verilere dönüştürür. Bu işlemin ilginç olan tarafı, işleme katmanının Axis ekosisteminin geri kalanıyla nasıl bağlantılı olmasıdır. Görev Oluşturma, ölçeklenebilir görev aileleri oluşturur. Simülasyon Veri Toplama, bu görevleri insan gösterimlerine ve düzeltmelere dönüştürür. Veri İşleme, bu trajektorileri eğitime hazırlar. Elde edilen politikalar ardından fiziksel robotlara dağıtılabiliyor ve bu da düzeltme ve yeniden eğitme için kullanılabilen geri bildirimler oluşturuyor. Yani Axis mimarisi sadece daha fazla trajektori toplamakla ilgili değil. Bir döngü oluşturur: Oluştur → Topla → İşle → Eğit → Dağıt → Düzelt. Bu önemlidir çünkü Fiziksel Yapay Zekayı ölçeklendirmek, yalnızca ne kadar veri toplayabildiğinizle ilgili değildir. Aynı zamanda bu etkileşimleri kullanılır hale getiren altyapıya da bağlıdır. İşleme katmanı, ham toplama ile robot zekasının bir sonraki iterasyonunu birbirine bağlayan unsurdur. @axisrobotics