Baovy06

Рынок робототехнического ИИ сейчас растет невероятно быстро. От эгоцентричных видеодатасетов, систем захвата движения, синтетических конвейеров данных до инструментов сбора на основе захватов… кажется, что новая компания по робототехническим данным запускается каждую неделю. Но настоящая проблема в том, что не каждый тип данных полезен для обучения роботов. Перед сбором огромного объема данных самый важный вопрос должен быть: «Чему именно вы обучаете робота?» PrismaX делит физический ИИ на 2 основные категории: • Кинематические модели → сосредоточены на низкоуровневом управлении роботом. Такие вещи, как балансировка, прыжки, локомоция, точность движений. • Фундаментальные модели → сосредоточены на выполнении реальных задач. Например, мытье посуды, открывание дверей, подбор объектов, взаимодействие с окружением. И PrismaX в основном сосредоточен на фундаментальных моделях — потому что будущее нуждается не просто в роботах, которые умеют делать сальто назад. Ему нужны роботы, которые действительно могут помогать людям в повседневной жизни. Что мне показалось интересным, так это то, что PrismaX не просто «продает робототехнические данные». Они идут гораздо глубже в: • какой тип данных подходит для каждой модели • что на самом деле означает высококачественные робототехнические данные • что должно варьироваться внутри датасетов • и что должно оставаться постоянным для лучшей сходимости Сейчас индустрия робототехники экспериментирует с разными способами сбора данных: • телеоперация → удаленное управление роботами людьми • видео с людьми → обучение на видео, где люди выполняют задачи • системы захвата → люди используют отслеживаемые инструменты, похожие на захваты У каждого метода есть свои сильные и слабые стороны. Но PrismaX считает, что телеоперация по-прежнему обеспечивает данные высочайшего качества, потому что она более контролируема, точна и проще в использовании для обучения фундаментальных моделей. Главный вывод для меня из статьи PrismaX таков: «Робототехника — это не просто исследование ИИ. Это также инженерная задача реального мира.» Ни у одной компании нет бесконечных денег, бесконечных роботов или бесконечного времени для обучения моделей. Это значит, что датасеты должны быть не просто большими. Они должны иметь правильную структуру, правильное распределение и правильное качество, чтобы модели могли эффективно учиться. И именно поэтому PrismaX сосредоточен на контролируемых, высококачественных робототехнических датасетах, а не просто гонится за масштабом

⏰ Время просыпаться! Таблица лидеров Sleepagotchi Creator уже доступна на @NucleusCodes с призовым фондом в $120,000 в $SLEEP, который ждет вас. Войдите через X и проверьте свою возможность участия ↓