Lista de verificación de calidad de los datos de demostración de robots
Cómo asegurarse de que los datos de demostración de su robot sean limpios, útiles y compatibles con las modernas líneas de aprendizaje.
Por qué la calidad de los datos supera la cantidad de datos
Un conjunto de datos de 1.000 demostraciones de alta calidad y diversas a menudo supera a 10.000 de ruidos. Los problemas de calidad
La lista de control de calidad de 15 puntos
Aplique estos controles a cada lote de episodios recogidos antes de agregarlos a su conjunto de entrenamiento.
- Las temporadas del sensor sincronizadas en 10 ms
- No se han caído los marcos de la cámara (véase el número de marcos frente a la duración)
- Valores de acción dentro de los límites físicos conjuntos
- No hay discontinuidades de acción >2σ de la talla media del paso
- Las etiquetas de éxito/fallo verificadas por el segundo revisor
- tarea completada dentro de los límites de duración esperados
- Ninguna autocorrección del operador en el conjunto de datos final
- Cámara no enclavada durante las fases críticas
- La propia percepción coincide con las acciones ordenadas
- Transiciones de estado de gripe en momentos correctos
- No hay episodios duplicados
- Completo de los campos de metadatos (ID de tarea, operador, fecha)
- Episodio almacenado en formato objetivo (RLDS/LeRobot)
- Estadísticas de lotes dentro de las distribuciones esperadas
- Muestras aleatorias verificadas visualmente
Por qué la calidad de los datos supera la cantidad de datos
Un conjunto de datos de 1.000 demostraciones de alta calidad y diversas a menudo supera a 10.000 de ruidos. Los problemas de calidad
La lista de control de calidad de 15 puntos
Aplique estos controles a cada lote de episodios recogidos antes de agregarlos a su conjunto de entrenamiento.
- Las temporadas del sensor sincronizadas en 10 ms
- No se han caído los marcos de la cámara (véase el número de marcos frente a la duración)
- Valores de acción dentro de los límites físicos conjuntos
- No hay discontinuidades de acción >2σ de la talla media del paso
- Las etiquetas de éxito/fallo verificadas por el segundo revisor
- tarea completada dentro de los límites de duración esperados
- Ninguna autocorrección del operador en el conjunto de datos final
- Cámara no enclavada durante las fases críticas
- La propia percepción coincide con las acciones ordenadas
- Transiciones de estado de gripe en momentos correctos
- No hay episodios duplicados
- Completo de los campos de metadatos (ID de tarea, operador, fecha)
- Episodio almacenado en formato objetivo (RLDS/LeRobot)
- Estadísticas de lotes dentro de las distribuciones esperadas
- Muestras aleatorias verificadas visualmente