Axis پلیٹ فارم پر کام کرتے وقت، بہت سے لوگ ایک منفرد ٹریک کے اسکور پر توجہ مرکوز کرتے ہیں۔ Axis اور Booster کی علیحدہ تعاون کی معلومات سے ظاہر ہوتا ہے کہ ان کا مالیاتی ماڈل بہت واضح ہے: Axis اپنے صارفین کو خدمات فراہم کرتا ہے، جس میں 5 سے 20 ٹاسکز کے پیکیج کی قیمت دی جاتی ہے، اور روبوٹ کمپنیاں تصدیق شدہ ٹاسک پیکجز خریدتی ہیں۔ جیسے قلم اٹھانا یا ہیڈفون کا باکس پکڑنا جیسے بنیادی ٹاسکز کے لیے، ہر ٹاسک کے تحت مختلف متغیرات جیسے اشیاء کی پوزیشن، روشنی کی شرائط، نظر کا زاویہ، اور آپریشنل ٹریجکٹری وغیرہ ترتیب دی جاتی ہیں تاکہ روبوٹ حقیقی ماحول کے مختلف تبدیلیوں کے لیے تربیت پا سکے۔ دونوں کا کردار واضح ہے: Booster روبوٹ کے ہارڈوئیر کو فراہم کرتا ہے، جس میں ہارڈوئیر اڈجسٹمنٹ، ڈیوائس ٹیسٹنگ، اور اصل روبوٹ پر تصدیق شامل ہے۔ @axisrobotics روبوٹ کو سیمولیشن پلیٹ فارم سے جوڑتا ہے، متعلقہ سیمولیشن سینریو بناتا ہے، اور برادری سے بڑی تعداد میں آپریشنل ٹریجکٹری ڈیٹا حاصل کرتا ہے۔ حاصِل شدہ ڈیٹا پہلے سیمولیشن میں تصدیق کی جاتی ہے، اور بعد میں Booster کے ساتھ مل کر اصل روبوٹ پر ٹیسٹنگ کرنے کی ضرورت ہوتی ہے تاکہ سیمولیشن-رئل ورلڈ ڈیٹا سائکل مکمل ہو سکے۔ عوامی تجربات کے ڈیٹا سے واضح طور پر ظاہر ہوتا ہے کہ سیمولیشن ڈیٹا کتنے فائدے دे�تا ہے۔ 10 حقیقی نمونہ ڈیٹا کا استعمال کرتے ہوئے، اگر ان میں 50 سیمولیشن نمونے شامل کردئے جائیں تو روبوٹ نے 20 اصل تجربات میں سے 17 بار مقصد کو چھوا؛ جبکہ صرف 10 حقیقی نمونوں والے مقابلے والے گروپ میں کامرانی کا تناسب صفر تھا۔ ایک اور محدود نمونہ تجربہ دکھاتا ہے کہ Axis ڈیٹاسیٹ سے مزید پر-ٹریننگ کے بعد، Booster ماڈل صرف 30 نمونوں کے ساتھ اپنے اصل ماڈل کے 60 نمونوں سے بھी بہتر نتائج دे�تا ہے۔ نوٹ: ان تجربات کے نتائج صرف اس تجربے میں منتخب شدہ ٹاسکز اور جائزہ کنندہ شرائط پر لاگو ہوتے ہیں، اور انھيں تمام روبوٹ اطلاقات میں عام نہيں کيا جا سکتا، لेकن ان سے ثابت ہوتا ہے کہ معیارِ بلند سیمولیشن ڈیٹا اصل روبوٹ ڈیٹا جمع کرنے کے مہنگے عمل کو مؤثر طور پر کم کرسکتا ہے۔ اس منطق کے مطابق، Axis پر کام کرتے وقت، اس بات پر زور دینا جس میں اپنے اسکورز کو بار بار بہتر بنایا جائے، اس سے زائد اہم بات واقعات اور صلاحتوں کا دائرۂ عمل (coverage) ہے۔ ایک آسان ٹاسک پر اعلٰى اسکور والي ٹرینجکٹری حاصل کرنے کے بعد، دوباره دوباره وہي عمل دُوباره نہيں کرنا بھتر رھتا؛ بلکه اشيا، ماحول، ya مشقت لِولز بدل دين، تاکه مختلف ڈيٰٰتا حاصِل ہوسکي—جو صارفین کي "ٹاسک سِٹ" خريداري کي حقيقي ضرورت سے زياتر مطابقت رکھتى هـي۔ براؤزر ميں جو گريپنگ ya رکھنا کا عمل صرف منٹوں ميں مکمل ھوتا هـي، لَيْكِن ان ٹرینجکٹرِيز کو ترتيب دينَا، تصدِيق كرنا، اور ٹاسک پاكج ميں شامل كرنا ضروري هـي تاكيه وَه روبوٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗٗ‬ فارمِز كي ماڈل تربِيت كي عملِيَت ميں داخل هُو سكِن۔ نئي شروع كرن والو كي طرف سب سے پهلي Beginner انٹرو تكليف كريں، اور تكليف مكمل كرنे كे بعد Portfolio ميں ضرور دستخط كريں۔ Base لينك پر دستخط نه كرنे والي ٹرینجكتريز پلېٹ فارم كي انعام كي رقم ميں شامل نه هونگي۔ https://t.co/EG13vQL9M5