Раніше я вважав, що більше людських виправлень автоматично означає краще навчання робота. Виявляється, ця інтуїція хибна. Після прочитання про цей експеримент від Axis мене найбільше зацікавило не масштаб зібранних даних, а те, як вони їх фільтрували. Розглянемо дуже просте завдання: покласти брусок тофу на тарілку. Коли робот був на межі невдачі, користувачі могли безпосередньо взяти під контроль через Axis Hub, щоб внести виправлення. Було зафіксовано загалом 660 втручань. Проте @axisrobotics не використовували всі з них для навчання. Лише 161 фрагмент, що становить 24,4% від загальної кількості, пройшли фільтр. Логіка цього підходу зовсім логічна. Те, що траєкторія в кінцевому підсумку успішна, не означає, що кожна людська дія в ній варта вивчення. Можуть бути надлишкові рухи, складні шляхи або паузи, які не містять корисного сигналу. Тому кожне виправлення мусило пройти три етапи: → Успішно відтворити у симуляції → Демонструвати, що початкова політика дійсно зазнала невдачі → Виділити критичний фрагмент і провести закритий цикл перевірки, щоб переконатися, чи зможе робот самостійно відновитися Це та частина, яка мені подобається найбільше: Цінність людського фідбеку полягає не просто в тому, що «людина успішно виконала завдання». Вона полягає у точному визначенні того, яка саме дія перетворила стан невдачі на відновлення, яке робот зможе повторити самостійно. 660 виправлень звучить як величезна кількість. Але 161 підтверджений сигнал набагато цінніший. Можливо, саме так спільнотно-згенеровані дані справді перетворюються на масштабований двигун даних.