30 次真实机器人演示。87.5% 的成功率。
这很罕见。大多数团队需要数百次真实世界演示才能达到这一水平。
Axis 仅用 30 次就做到了。
大多数机器人领域的人认为,机器人需要干净、近乎完美的训练数据。熟练的操作员、受控的环境,以及任何不完美的数据都会被丢弃,以免机器人养成坏习惯。
这种方法有效,但速度慢且成本高。
Axis Robotics 采取了相反的方法。
他们的想法很简单:如果成千上万的人可以通过模拟来帮助训练机器人,会怎么样?一个人可能会犯错,但经过数千次尝试后,这些错误可能会相互抵消。
于是他们与 Booster Robotics 一起进行了测试。
他们在模拟环境中重建了 Booster 的实际工作空间,并让数千人尝试完成这项任务,总计 42,000 次,所有数据都被用于训练一个专为 Booster 构建的模型。
然后,他们只增加了 30 次真实机器人演示。
结果如何?87.5% 的成功率。
标准的现成模型在同一任务上的成功率只有 37.5%。
之所以奏效,是因为那 42,000 次模拟尝试已经完成了大部分训练。30 次真实演示帮助模型弥合了与实体机器人之间的差距。
而且这并不只是一次性的实验。已经有超过 200,000 人在该平台上完成了超过 500 万次此类模拟任务,每次尝试都记录在 Base 上。
也许训练机器人的常规方式并不是唯一的方法。
也许浏览器游戏可