30 次真實機器人示範。87.5% 成功率。
這很罕見。大多數團隊需要數百次真實世界示範才能達到這種水準。
Axis 只用了 30 次就做到了。
大多數機器人領域的人都相信,機器人需要乾淨、近乎完美的訓練資料。訓練有素的操作員、受控的環境,以及任何不完美的資料都會被丟棄,以免機器人養成壞習慣。
這種方法有效,但速度慢且成本高。
Axis Robotics 採取了相反的方法。
他們的想法很簡單:如果數千人可以透過模擬來協助訓練機器人,會怎麼樣?單一個人可能會犯錯,但經過數千次嘗試,這些錯誤或許能彼此抵消。
因此,他們與 Booster Robotics 一起進行了測試。
他們在模擬環境中重建了 Booster 的實際工作空間,讓數千人嘗試執行這項任務,總共 42,000 次,所有嘗試都用來訓練一個專為 Booster 打造的模型。
接著,他們只加入了 30 次真實機器人示範。
結果呢?87.5% 的成功率。
標準的現成模型在相同任務上的成功率只有 37.5%。
之所以能奏效,是因為那 42,000 次模擬嘗試已經完成了大部分訓練。那 30 次真實示範則協助彌合了與實體機器人之間的差距。
而且這不只是一次性的實驗。平台上已經有超過 200,000 人完成了超過 500 萬次這類模擬任務,每次嘗試都記錄在 Base 上。
也許訓練機器人的常規方式並不是唯一的方法。
也許瀏覽器遊戲可以分擔