Bir robot veri kümesi, parçaları birbirine cevap verdiğinde daha faydalı hale gelir. Bu, @axisrobotics tarafından geliştirilen veri motorunda beni dikkat çeken nokta oldu. Görev üretimi, hangi senaryonun ve atomik becerinin kapsanması gerektiğini belirler. Katkıda bulunanlar, tarayıcı üzerinden uzaktan kontrol veya gerçek dünya egosantrik yakalama yoluyla trajektoryler üretir. Daha sonra birleştirilmiş bir işlem hattı, bu girdileri eğitim verisi haline gelmeden önce doğrular, temizler, etiketler ve genişletir. Bu döngü orada sona ermek zorunda değildir. Bir politika eğitildikten sonra, zayıf yönleri hangi görevlerin eğitim sonrası yeniden açılması gerektiğini belirleyebilir. Bir katkıda bulunan, politikanın görevi gerçekleştirmeye çalışmasını izler, başarısızlık olduğunda kontrolü ele alır ve ardından kontrolü geri verir. Bu düzeltmeler, bir sonraki iterasyona katkıda bulunur. Her bileşenin ayrı bir görevi vardır, ancak değerleri aralarındaki geri bildirimdedir: üret, topla, işle, eğit, zayıf noktayı ortaya çıkar, tekrar topla. Sadece daha fazla veri elde etmek belirsiz bir hedeftir. Bir sonraki faydalı veriyi nasıl isteyeceğini bilebilen bir sistem çok daha keskindir. Buradan başlayın: https://t.co/SUKXsZDwvC