Crowdsourcing robot demonstrations 的價值，前提是項目能處理 noisy data。 這點上，@axisrobotics 的 approach 還挺 pragmatic。 它描述的 pipeline 包括： ☆ quality filtering ☆ 把 noisy human demonstrations 轉成 usable trajectories ☆ 去掉 hesitation 或 stall 的動作、用 Savitzky–Golay 做 trajectory smoothing，目前尚未得到 Axis 在 X 上的明確確認 ☆ 用 cubic spline 做 resampling，並把 robot/object states 時間對齊到穩定的 20 Hz control grid Axis 也直接承認了 raw web demonstrations 存在 micro-jitters、variable frame rates 等問題，單靠這些 raw data 並不足以進行 reliable policy training；同時也描述了對 submitted trajectories 的 replay validation。 不回避 pain point 是好信號；接下來更需要觀察的是，validation 在大規模下到底有多有效。 你覺得更重要的 moat，是 contributors 的數量，還是把 raw demonstrations 轉成 training-ready trajectories 的能力？