Baovy06

O mercado de IA para robótica está a crescer de forma insana neste momento. Desde conjuntos de dados de vídeo egocêntricos, sistemas de captura de movimento, pipelines de dados sintéticos até ferramentas de recolha baseadas em garra… parece que uma nova empresa de dados de robótica é lançada todas as semanas. Mas o verdadeiro problema é: nem todo o tipo de dados é útil para treinar robôs. Antes de recolher grandes quantidades de dados, a pergunta mais importante deve ser: "O que exatamente está a treinar o robô para fazer?" A PrismaX divide a IA física em 2 grandes categorias: • Modelos cinemáticos → focados no controlo de baixo nível do robô. Coisas como equilíbrio, saltos, locomoção, precisão de movimento. • Modelos base → focados em completar tarefas do mundo real. Coisas como lavar loiça, abrir portas, apanhar objetos, interagir com ambientes. E a PrismaX está principalmente focada nos modelos base — porque o futuro não precisa apenas de robôs que saibam fazer mortais para trás. Precisa de robôs que realmente possam ajudar os humanos no dia a dia. O que achei interessante é que a PrismaX não está simplesmente "a vender dados de robótica." Eles vão muito mais fundo em: • que tipo de dados se adequa a cada modelo • o que realmente significa dados de robótica de alta qualidade • o que deve variar dentro dos conjuntos de dados • e o que deve permanecer consistente para uma melhor convergência Neste momento, a indústria da robótica está a experimentar diferentes formas de recolher dados: • teleoperação → humanos a controlar robôs remotamente • vídeo humano → treino a partir de vídeos de pessoas a realizar tarefas • sistemas de garra → humanos a usar ferramentas semelhantes a garras rastreadas Cada método tem os seus próprios pontos fortes e fracos. Mas a PrismaX acredita que a teleoperação ainda fornece os dados de mais alta qualidade porque é mais controlável, mais precisa e mais fácil de usar para treinar modelos base. A maior lição para mim do artigo da PrismaX é esta: "Robótica não é apenas pesquisa em IA. É também um problema de engenharia do mundo real." Nenhuma empresa tem dinheiro infinito, robôs infinitos ou tempo infinito para treinar modelos. Isso significa que os conjuntos de dados não precisam apenas de ser grandes. Precisam da estrutura certa, da distribuição certa e da qualidade certa para que os modelos aprendam de forma eficiente. E é exatamente por isso que a PrismaX está a focar-se fortemente em conjuntos de dados de robótica controlados e de alta qualidade em vez de simplesmente perseguir escala

⏰ Hora de acordar! O Quadro de Líderes do Sleepagotchi Creator está ativo no @NucleusCodes com $120,000 em recompensas $SLEEP à tua espera. Inicia sessão com X e verifica a tua elegibilidade ↓