Baovy06
Baovy06
• 在雷暴中保持HODL，月亮时收获果实。 • 位置决定一切。 • 在波浪前保持平静，坚定地站在图表前。
1,020关注中
1,062粉丝
动态
动态
这个世界……
人们因为不愿开口的话而渐行渐远……
所以大家大胆地和Zy说话吧……Zy一直在这里等待和倾听……
P/S 这酒好喝吗，大家 🤭🤭
@quipnetwork @NucleusCodes @sleepagotchi
Baovy06
机器人AI市场目前增长极其迅速。
从以自我为中心的视频数据集、动作捕捉系统、合成数据管线到基于抓手的采集工具……感觉几乎每周都有一家新的机器人数据公司成立。
但真正的问题是：
并非所有类型的数据都适合用于训练机器人。
在收集大量数据之前，最重要的问题应该是：
“你到底在训练机器人做什么？”
PrismaX将物理AI分为两个主要类别：
• 运动学模型 → 专注于低级机器人控制。
比如平衡、跳跃、行走、运动精度。
• 基础模型 → 专注于完成现实世界任务。
比如洗碗、开门、拾取物体、与环境互动。
而PrismaX主要专注于基础模型——因为未来不仅需要会后空翻的机器人。
它需要真正能帮助人类日常生活的机器人。
我觉得有趣的是，PrismaX并不仅仅是在“销售机器人数据”。
他们深入探讨了：
• 哪种数据适合每种模型
• 高质量机器人数据的真正含义
• 数据集中应有哪些变化
• 以及为了更好收敛应保持哪些一致性
目前，机器人行业正在尝试不同的数据采集方式：
• 遥控操作 → 人类远程控制机器人
• 人类视频 → 从人类执行任务的视频中训练
• 抓手系统 → 人类使用带追踪的抓手工具
每种方法都有其优缺点。
但PrismaX认为遥控操作仍然提供最高质量的数据，因为它更可控、更精准，也更易于用于训练基础模型。
我从PrismaX文章中得到的最大启示是：
“机器人不仅仅是AI研究。
它也是一个现实世界的工程问题。”
没有公司拥有无限的资金、无限的机器人或无限的时间来训练模型。
这意味着数据集不仅需要大。
它们需要正确的结构、正确的分布和正确的质量，才能让模型高效学习。
这正是PrismaX为何重点关注受控的高质量机器人数据集，而不是单纯追求规模的原因。
机器人AI市场目前增长极其迅速。
从以自我为中心的视频数据集、动作捕捉系统、合成数据管线到基于抓手的采集工具……感觉几乎每周都有一家新的机器人数据公司成立。
但真正的问题是：
并非所有类型的数据都适合用于训练机器人。
在收集大量数据之前，最重要的问题应该是：
“你到底在训练机器人做什么？”
PrismaX将物理AI分为两个主要类别：
• 运动学模型 → 专注于低级机器人控制。
比如平衡、跳跃、行走、运动精度。
• 基础模型 → 专注于完成现实世界任务。
比如洗碗、开门、拾取物体、与环境互动。
而PrismaX主要专注于基础模型——因为未来不仅需要会后空翻的机器人。
它需要真正能帮助人类日常生活的机器人。
我觉得有趣的是，PrismaX并不仅仅是在“销售机器人数据”。
他们深入探讨了：
• 哪种数据适合每种模型
• 高质量机器人数据的真正含义
• 数据集中应有哪些变化
• 以及为了更好收敛应保持哪些一致性
目前，机器人行业正在尝试不同的数据采集方式：
• 遥控操作 → 人类远程控制机器人
• 人类视频 → 从人类执行任务的视频中训练
• 抓手系统 → 人类使用带追踪的抓手工具
每种方法都有其优缺点。
但PrismaX认为遥控操作仍然提供最高质量的数据，因为它更可控、更精准，也更易于用于训练基础模型。
我从PrismaX文章中得到的最大启示是：
“机器人不仅仅是AI研究。
它也是一个现实世界的工程问题。”
没有公司拥有无限的资金、无限的机器人或无限的时间来训练模型。
这意味着数据集不仅需要大。
它们需要正确的结构、正确的分布和正确的质量，才能让模型高效学习。
这正是PrismaX为何重点关注受控的高质量机器人数据集，而不是单纯追求规模的原因。
