کیا آپ جانتے ہیں کہ آپ روبوٹکس کے مستقبل میں حصہ ڈال سکتے ہیں؟ کنٹینیوم ہب پر ہر ٹاسک صرف ایک ٹاسک نہیں ہے۔ یہ ایک ڈیٹا بونٹی ہے جو ایک مکمل ٹریجکٹری تشکیل دیتی ہے جو دکھاتی ہے کہ روبوٹ کو کیسے کنٹرول کیا گیا، ماحول میں کیا ہوا، اور کیا ٹاسک کامیاب رہا۔ یہی طریقہ @continuumlabs_ انفرادی روبوٹ انٹرایکشنز کو فزیکل AI کے لیے ایک لگاتار بہتر ہونے والا ڈیٹا انجن میں تبدیل کرتا ہے۔ زندگی کا دور Pre-training، Training اور Post-training کے ذریعے گزرتا ہے۔ سب سے پہلے، شرکاء ایک متنوع ڈیٹا سیٹ تعمیر کرنے کے لیے انسانی ڈیموں کا اشتراک کرتے ہیں۔ جب ضروری سلوٹس بھر جائیں، تو ایک پالیسی تربیت دی جاتی ہے۔ Post-training کے دوران، شرکاء تربیت یافتہ پالیسی کی نگرانی کرتے ہیں اور اس کی غلطیوں کو درست کرتے ہیں، جس سے اگلے ادارے کے لیے قیمتی on-policy ڈیٹا تخلیق ہوتا ہے۔ سلوٹس ڈیٹا کے اشتراک کو نہ کہ صرف منفرد صارفین کو شمار کرتے ہیں، اور ہر ٹاسک کو پانچ بار تک مکمل کیا جا سکتا ہے۔ ہر رن الگ طور پر جانچا جاتا ہے، جبکہ آپ کا پوائنٹس ویلیو آپ کے مکمل کردہ کاموں کی اوسط معیار پر منحصر ہوتا ہے، اس لیے اگر آپ نتائج میں بہتری نہ لا سکیں تو اسی ٹاسک کو دوبارہ مکمل کرنا صرف منطقی نہیں۔ جمع کرانے کے بعد، ہر ٹریجکٹری اپ لوڈ کر دی جاتی ہے، س뮬یشن میں دوبارہ چلائی جاتی ہے، خودکار طور پر کامیابی اور حرکت کے معیار کے لحاظ سے اسکور دینے کے بعد، اس پر اونچین پر منفرد Data ID دستخط کر دیا جاتا ہے۔ قبول شدہ ڈیموں اور درستگیوں کو براہ راست تربیت میں واپس بھجوا دیا جاتا ہے، جس سے ایک لگاتار لوپ تشکیل پاتا ہے جس میں بہتر پالسیاں نئے خراب ہونے والے معاملات ظاہر کرتی ہیں اور ان خرابiyon سے اگلی لہر تربیت کا ڈیٹا تخلیق ہوتا ہے۔