當你透過群眾外包來訓練機器人時，會出現一個奇怪的問題： 你最困難的資料，很可能不應該來自普通貢獻者。 @axisrobotics 最近推出了一個名為「挑戰者計畫」的項目，但我認為其背後的理念比名稱更重要。 想像兩個機器人任務： 任務 A 很簡單：拿起一個物體並放入 bins 中。 任務 B 則涉及複雜的幾何形狀、嚴格的公差、多個步驟，以及在首次抓取失敗時的恢復機制。 如果這兩個任務都被放入同一個公開資料池中，你會將它們視為需要相同的操作員技能。 但事實並非如此。 初學者遇到困難任務時，會掙扎於此，產生混亂的嘗試，並可能有糟糕的體驗。 而有經驗的貢獻者，卻沒有被特別引導至最能發揮其技能的任務。 Axis 正開始將這兩個世界分開。 簡單任務仍留在常規資料池中。 困難任務則移至專屬的「挑戰者區域」，僅供已熟悉平台操作的貢獻者參與。 一開始，這聽起來只是一個小小的使用者體驗更新。 但我認為它實際上指向了一個更大的問題： 機器人資料存在技能匹配的問題。 一旦貢獻者網絡足夠龐大，問題就不只是： 「誰能產生這筆資料？」 而是： 「誰應該產生這筆特定資料？」 簡單任務可以優化規模。 困難任務則可以優化操作員技能。 最終，我甚至可以想像這種匹配將變得更加細緻： 這位貢獻者擅長精準抓取， 另一位擅長長時程任務， 另一位在恢復方面異常出色， 另一位在特定本體下表現優異。 此時，這個網絡看起來就不像一群烏合之眾…… 而更像一支具備專業技能的分散式勞動力。 這才是擴展人類智慧以服務機器人的更有趣方式。 https://t.co/4FLsS5npxd