Robotiğin geleceğine katkıda bulunabileceğinizi biliyor muydunuz? Continuum Hub'daki her görev, sadece bir görevden fazlasıdır. Bu görevler, bir robotun nasıl kontrol edildiğini, çevrede ne olduğunu ve görevin başarıyla tamamlanıp tamamlanmadığını gösteren tam bir trajektori oluşturan veri ödülleridir. @continuumlabs_ bu şekilde bireysel robot etkileşimlerini, Fiziksel AI için sürekli gelişen bir veri motoruna dönüştürüyor. Yaşam döngüsü, Ön-eğitim, Eğitim ve Post-eğitim aşamalarından geçer. Öncelikle katkıda bulunanlar, çeşitli bir veri seti oluşturmak için insan gösterimleri sağlar. Gerekli yerler doldurulduğunda bir politika eğitilir. Post-eğitim aşamasında, katkıda bulunanlar eğitilen politikayı denetler ve hatalarını düzelterek, bir sonraki iterasyon için değerli politika içi veriler oluşturur. Yerler, benzersiz kullanıcıları değil, veri katkılarını sayar ve her görev en fazla beş kez tamamlanabilir. Her çalıştırma bağımsız olarak değerlendirilir; Puan değeriniz ise tamamlamalarınızın ortalama kalitesine dayanır. Bu nedenle bir görevi tekrarlamak, yalnızca sonucu iyileştirebiliyorsanız anlamlıdır. Gönderimden sonra her trajektori yüklenir, simülasyonda tekrar oynatılır, başarı ve hareket kalitesi için otomatik olarak puanlanır ve ardından benzersiz bir Veri Kimliğiyle zincir üzerinde imzalanır. Kabul edilen gösterimler ve düzeltmeler doğrudan eğitime geri beslenir ve daha iyi politikaların yeni hataları ortaya çıkardığı, bu hataların ise bir sonraki eğitim verisi dalgasını oluşturduğu sürekli bir döngü oluşturur.