У Physical AI є проблема з даними, яка отримує недостатньо уваги. Кращі моделі та краще обладнання мають обмежені можливості, коли роботи все ще потребують величезних обсягів даних про реальні взаємодії, щоб навчитися керувати різними ситуаціями. Саме тут мене зацікавив @axisrobotics. Набір даних Axis Franka вже перевищив 160 000 завантажень на Hugging Face, з поширенням серед академічних та промислових установ — від KAIST, Northwestern та Tsinghua до Yandex, Nota AI та Vietnam Posts and Telecommunications Group. І наступна версія йтиме набагато далі: 1,2 мільйона траєкторій 1 200 завдань ширший спектр атомарних здібностей підтримка більшої кількості робототехнічних конфігурацій Цікаве тут — не просто стрибок від 160 000 до 1,2 мільйона траєкторій. Роботам потрібні не лише більше прикладів однієї й тієї ж дії. Їм потрібно бачити ту саму базову навичку в різних об’єктах, середовищах, рухах та крайніх випадках. Саме ця різноманітність допомагає моделі перейти від «Я це вже бачив» до справжнього розуміння того, як працює завдання. Тому, коли набір даних постійно розширює покриття завдань і їх різноманітність, він перетворюється з просто статичного збору демонстрацій на інфраструктуру для навчання наступного покоління фізичної ШІ. Саме в цьому напрямку, схоже, Axis рухається з наступним поколінням свого набору даних Franka. https://t.co/7yFTIktZUz