當 AI 模型遇到從未見過的東西時，會發生什麼？ 對於物理 AI 而言，這並非可以簡單忽略的邊緣情況。真實環境包含陌生物件、變化的條件和意外的互動。 多元化的數據集有助於讓模型接觸更多此類情境，但要大規模收集有用的數據，仍需明確的任務要求和可靠的品質檢查。 這正是我認為現實世界數據收集的基礎設施值得更多關注的原因。@vangrid_io 正在致力於一個領域，在此領域中，連接數據貢獻者與 AI 訓練需求可能至關重要。 您會優先收集罕見的邊緣案例，還是先擴展日常環境的覆蓋範圍？