機器人數據集在各部分能相互回應時會變得更有用。 這正是我從 @axisrobotics 的數據引擎中注意到的亮點：任務生成決定了需要覆蓋的場景與基本技能。 貢獻者透過瀏覽器遙控操作或真實世界的自我中心捕捉來生成軌跡。隨後，一個統一的管道會驗證、清理、標註並增強這些輸入，使其成為訓練數據。 這個循環不必就此結束。一旦策略訓練完成，其弱點便可決定哪些任務需在訓練後重新開放。 貢獻者觀察策略執行任務，當策略出錯時接手控制，再將控制權交還。這些修正會輸入下一次迭代。 每個組件都有獨立的職責，但價值在於它們之間的反饋：生成、收集、處理、訓練、暴露弱點、再次收集。 單純增加數據是一個模糊的目標；而一個能主動詢問「下一個有用數據是什麼」的系統，則要銳利得多。 從這裡開始：https://t.co/SUKXsZDwvC
