你知道你可以為機器人的未來做出貢獻嗎？ Continuum Hub 上的每一項任務都不只是一項任務，而是一筆數據獎勵，用於建立完整的軌跡，顯示機器人是如何被控制的、環境中發生了什麼，以及任務是否成功。 這正是 @continuumlabs_ 將單個機器人互動轉化為持續改進的物理 AI 數據引擎的方式。其生命週期涵蓋預訓練、訓練和後訓練三個階段。 首先，貢獻者提供人類示範，以建立多元化的數據集。一旦所需槽位填滿，便會訓練一個策略。 在後訓練階段，貢獻者監督已訓練的策略並糾正其錯誤，從而為下一次迭代創造寶貴的於策略數據。 槽位統計的是數據貢獻次數，而非唯一用戶數，每項任務最多可完成五次。每次運行均獨立評估，而你的積分值則基於你完成任務的平均質量，因此只有當你能提升結果時，重複完成任務才有意義。 提交後，每條軌跡將上傳、在模擬中重播、自動評分成功與運動質量，並以唯一的 Data ID 在鏈上簽名。 被接受的示範與修正將直接回饋至訓練流程，形成一個持續循環：更優的策略會揭示新的失敗，而這些失敗又會生成下一波訓練數據。