Набір даних робота стає кориснішим, коли його частини відповідають одна на одну. Саме це звернуло на себе увагу в двигуні даних від @axisrobotics. Генерація завдань визначає, які сценарії та атомарні навички потрібно охопити. Учасники створюють траєкторії за допомогою телепередачі через браузер або захоплення з егокентричної перспективи у реальному світі. Потім єдина конвеєрна система перевіряє, очищає, анотує та доповнює ці вхідні дані, перш ніж вони стануть навчальними. Цикл не повинен закінчуватися на цьому. Після навчання політики її слабкі місця можуть визначити, які завдання знову відкриваються для післянавчання. Учасник спостерігає, як політика намагається виконати завдання, бере під контроль, коли вона помиляється, а потім повертає керування. Ці виправлення живлять наступну ітерацію. Кожен компонент має окрему задачу, але цінність — у зворотному зв’язку між ними: генерувати, збирати, обробляти, навчати, виявляти слабке місце, знову збирати. Просто більше даних — це занадто загальна мета. Система, яка може запитувати наступний корисний фрагмент даних, — набагато точніша. Почніть тут: https://t.co/SUKXsZDwvC