Baovy06

Rynek AI w robotyce rozwija się teraz niesamowicie szybko. Od egocentrycznych zbiorów danych wideo, systemów do przechwytywania ruchu, syntetycznych pipeline’ów danych po narzędzia do zbierania oparte na chwytakach… wydaje się, że co tydzień powstaje nowa firma zajmująca się danymi robotycznymi. Ale prawdziwy problem jest taki: nie każdy rodzaj danych jest użyteczny do trenowania robotów. Zanim zacznie się zbierać ogromne ilości danych, najważniejsze pytanie powinno brzmieć: „Czego dokładnie uczysz robota?” PrismaX dzieli fizyczne AI na 2 główne kategorie: • Modele kinematyczne → skupione na niskopoziomowej kontroli robota. Rzeczy takie jak balansowanie, skakanie, lokomocja, precyzja ruchu. • Modele bazowe → skupione na wykonywaniu zadań w rzeczywistym świecie. Rzeczy takie jak mycie naczyń, otwieranie drzwi, podnoszenie przedmiotów, interakcja ze środowiskiem. A PrismaX koncentruje się głównie na modelach bazowych — ponieważ przyszłość nie potrzebuje tylko robotów potrafiących robić salto. Potrzebuje robotów, które faktycznie mogą pomagać ludziom w codziennym życiu. Co mnie zainteresowało, to fakt, że PrismaX nie po prostu „sprzedaje dane robotyczne.” Idą znacznie głębiej w: • jaki rodzaj danych pasuje do każdego modelu • co naprawdę oznaczają wysokiej jakości dane robotyczne • co powinno się różnić w zbiorach danych • a co powinno pozostać spójne dla lepszej konwergencji Obecnie branża robotyczna eksperymentuje z różnymi metodami zbierania danych: • teleoperacja → ludzie zdalnie sterujący robotami • wideo z udziałem ludzi → trening na podstawie nagrań osób wykonujących zadania • systemy chwytakowe → ludzie używający śledzonych narzędzi przypominających chwytaki Każda metoda ma swoje mocne i słabe strony. Ale PrismaX uważa, że teleoperacja nadal dostarcza dane najwyższej jakości, ponieważ jest bardziej kontrolowalna, dokładniejsza i łatwiejsza do wykorzystania w treningu modeli bazowych. Najważniejsza lekcja dla mnie z artykułu PrismaX to: „Robotyka to nie tylko badania AI. To także problem inżynieryjny w rzeczywistym świecie.” Żadna firma nie ma nieskończonych pieniędzy, nieskończonej liczby robotów ani nieskończonego czasu na trenowanie modeli. To oznacza, że zbiory danych nie muszą być tylko duże. Muszą mieć odpowiednią strukturę, odpowiedni rozkład i odpowiednią jakość, aby modele mogły uczyć się efektywnie. I właśnie dlatego PrismaX skupia się mocno na kontrolowanych, wysokiej jakości zbiorach danych robotycznych zamiast po prostu gonić za skalą

⏰ Czas się obudzić! Ranking twórców Sleepagotchi jest dostępny na @NucleusCodes z nagrodami w wysokości 120 000 $SLEEP czekającymi na Ciebie. Zaloguj się przez X i sprawdź swoją kwalifikowalność ↓