Baovy06

Le marché de l'IA en robotique connaît une croissance folle en ce moment. Des ensembles de données vidéo égocentriques, des systèmes de capture de mouvement, des pipelines de données synthétiques aux outils de collecte basés sur des pinces… on a l'impression qu'une nouvelle entreprise de données en robotique se lance chaque semaine. Mais le vrai problème est le suivant : Toutes les données ne sont pas utiles pour entraîner des robots. Avant de collecter d'énormes quantités de données, la question la plus importante devrait être : « Qu'est-ce que vous entraînez exactement le robot à faire ? » PrismaX divise l'IA physique en 2 grandes catégories : • Modèles cinématiques → axés sur le contrôle robotique de bas niveau. Des choses comme l'équilibre, le saut, la locomotion, la précision des mouvements. • Modèles fondamentaux → axés sur l'exécution de tâches réelles. Des choses comme laver la vaisselle, ouvrir des portes, saisir des objets, interagir avec les environnements. Et PrismaX se concentre principalement sur les modèles fondamentaux — car l'avenir ne nécessite pas seulement des robots capables de faire des saltos arrière. Il faut des robots qui peuvent réellement aider les humains dans la vie quotidienne. Ce que j'ai trouvé intéressant, c'est que PrismaX ne se contente pas de « vendre des données en robotique ». Ils vont beaucoup plus loin dans : • quel type de données convient à chaque modèle • ce que signifie réellement des données robotiques de haute qualité • ce qui doit varier dans les ensembles de données • et ce qui doit rester cohérent pour une meilleure convergence Actuellement, l'industrie de la robotique expérimente différentes méthodes de collecte de données : • téléopération → humains contrôlant les robots à distance • vidéo humaine → entraînement à partir de vidéos de personnes effectuant des tâches • systèmes de pinces → humains utilisant des outils de type pince suivis Chaque méthode a ses forces et ses faiblesses. Mais PrismaX estime que la téléopération fournit toujours les données de la plus haute qualité car elle est plus contrôlable, plus précise et plus facile à utiliser pour entraîner des modèles fondamentaux. Le principal enseignement que je retire de l'article de PrismaX est le suivant : « La robotique n'est pas seulement une recherche en IA. C'est aussi un problème d'ingénierie dans le monde réel. » Aucune entreprise n'a d'argent infini, de robots infinis ou de temps infini pour entraîner des modèles. Cela signifie que les ensembles de données ne doivent pas seulement être volumineux. Ils doivent avoir la bonne structure, la bonne distribution et la bonne qualité pour que les modèles apprennent efficacement. Et c'est exactement pourquoi PrismaX se concentre fortement sur des ensembles de données robotiques contrôlés et de haute qualité au lieu de simplement courir après la quantité

⏰ Il est temps de se réveiller ! Le classement des créateurs Sleepagotchi est en ligne sur @NucleusCodes avec 120 000 $ en récompenses $SLEEP qui vous attendent. Connectez-vous avec X et vérifiez votre éligibilité ↓