Tôi từng nghĩ rằng càng nhiều sửa đổi do con người thực hiện thì việc huấn luyện robot sẽ càng tốt hơn. Hóa ra, trực giác đó là sai. Sau khi đọc về thí nghiệm này của Axis, điều khiến tôi ấn tượng nhất không phải là khối lượng dữ liệu thu thập được, mà là cách họ lọc dữ liệu đó. Hãy xem xét một nhiệm vụ rất đơn giản: đặt một khối đậu hũ lên đĩa. Khi robot sắp thất bại, người dùng có thể trực tiếp can thiệp thông qua Axis Hub để sửa lỗi. Tổng cộng đã ghi nhận 660 lần can thiệp. Tuy nhiên, @axisrobotics đã không sử dụng tất cả các lần này để huấn luyện. Chỉ có 161 đoạn dữ liệu, chiếm 24,4% tổng số, vượt qua bộ lọc. Lý do này hoàn toàn hợp lý. Việc một quỹ đạo cuối cùng thành công không có nghĩa là mọi hành động của con người trong đó đều đáng để học hỏi. Có thể có những chuyển động thừa thãi, đường đi vòng vèo, hoặc khoảng dừng không mang lại tín hiệu hữu ích nào. Do đó, mỗi lần sửa đổi phải vượt qua ba rào cản: → Có thể phát lại thành công trong mô phỏng → Chứng minh rằng chính sách ban đầu thực sự đã thất bại → Trích xuất đoạn then chốt và thực hiện kiểm tra vòng kín để xem robot có thể tự phục hồi hay không Đây là phần tôi thích nhất: Giá trị của phản hồi con người không nằm ở việc “một người đã thực hiện thành công nhiệm vụ”. Mà nằm ở việc xác định chính xác hành động nào đã biến trạng thái thất bại thành một sự phục hồi mà robot có thể tự lặp lại. 660 lần sửa đổi nghe có vẻ là một con số khổng lồ. Nhưng 161 tín hiệu đã được xác minh còn quý giá hơn nhiều. Có lẽ đây chính là cách dữ liệu do cộng đồng đóng góp thực sự trở thành một động cơ dữ liệu có khả năng mở rộng.