فیزیکل AI کے پاس مدلز کی کمی نہیں ہے؛ اس کے پاس تجربہ کی کمی ہے۔ اسی لیے @axisrobotics کو صرف ایک عبوری نظر نہیں، بلکہ زیادہ سے زیادہ توجہ کی ضرورت ہے۔ مسئلہ روبوٹس کو "زیادہ ذکی" بنانے کا نہیں ہے۔ مسئلہ یہ ہے کہ روبوٹس نے کافی حقیقی دنیا کے سیناریوز کا تجربہ نہیں کیا ہے۔ لیبز تو بہت زیادہ ہیں، لیکن اصل روبوٹک آرمز کم ہیں۔ اگر ڈیٹا صرف لیب کے اندر ہی ترقی دیا جائے تو فزیکل AI صرف کچھ منتخب آپریٹرز کا مصنوعات رہے گا، عام طور پر کام کرنے والوں کا نہیں۔ ایکسس پورا منظر بدل دیتا ہے۔ آپ کو روبوٹ کو روبوٹ سکھانے کے لیے روبوٹ کی ضرورت نہیں۔ ایک براؤزر انٹرفیس ہی کافی ہے تاکہ ٹرایجکٹریز بنائی جائیں اور سگنلز سکھانے والے حلقوں میں داخل کی جائیں۔ دلچسپ بات یہ نہیں کہ روبوٹ کس طرح چلائے جاتا ہے؛ اصل بات اس کے بعد ہوتی ہے: ٹرایجکٹری فلٹر، تصدیق اور منظور ہوتی ہے، جس سے وہ تربیت کے لیے ایک سگنل میں تبدیل ہو جاتی ہے۔ ڈیٹا بنانا آسان ہے؛ لیکن اس ڈیٹا کو حقیقی تجربہ میں تبدیل کرنا اصل چیلنج ہے۔ حقیقی لوپ صرف نعرہ نہیں ہے: "بنائیں → تصدیق کریں → سکھائیں → بہتر بنائیں۔" حقیقی لوپ میں انسان اپنے معلوم انٹرفیس سے ایکشن شروع کرتا ہے، مشین حرکت کو کैپچر کرتی ہے، سسٹم نوائس کو فلٹر کرتا ہے، ماخذ بلاکچین پر رکھا جاتا ہے، پالسی سکھائی جاتی ہے، اور انسان واپس آکر پالسی کے غلط فہمیوں کو درست کرتا ہے۔ اگر آخری لنک نہ ہو تو 3.7 ملین ٹرایجکٹریز صرف حرکتوں کا اسٹور ہوتا ہے۔ لیکن اس لنک کے ساتھ، ہر 40 سیکنڈ کا رن روبوٹ کے حقیقی ذکاوت میں اضافہ کرتا ہے۔ ایکسس کے لیے، اب سوال یہ نہीں رہا کہ کتنے ٹرایجکٹریز بنائے جاسکتے ہیں۔ سوال یہ ہے کہ کتنے راستے تصدیق سے گزر پائے، کتنے درستگئوں نے حقیقی خرابiyon کو حل کیا، اور تجربہ کتنا زبردست ہے جو روبوٹ کو صرف براؤزر سے منظر محفوظ کرنے کے بجائے دنیا کو سمجھنے میں مدد دے رہا ہے۔