Cómo elegir un modelo de aprendizaje de robots
Un marco práctico para elegir un modelo de aprendizaje robótico basado en la disponibilidad de datos, el alcance de las tareas, las necesidades de evaluación y las limitaciones de implementación.
El modelo robótico correcto es generalmente el que coincide con los datos disponibles, el flujo de trabajo objetivo y la velocidad de evaluación, no el que tiene el nombre más grande.
Pregúntale a estos primero.
- **¿Qué datos existen? **Teleop, replay, simulación o corporación de múltiples robots cambian la respuesta.
- **¿Qué tan estrecha es la tarea?**Los flujos de trabajo enfocados a menudo recompensan políticas más pequeñas.
- **¿Cómo evaluarás?**Sin un ciclo de prueba, la elección del modelo es en su mayoría conjetura.
Entonces compárate
- [Política de fundación frente a tareas]
- [Modelos favorables a la evaluación]
- [Conjunto de datos disponible]
¿Por qué existe esta página?
Esta página está diseñada para compradores y clientes potenciales técnicos que buscan frases de intención amplias antes de que sepan la familia de modelos exacta que necesitan.
¿Necesitas una sesión de selección de modelos?
Podemos ayudar a reducir la pila de modelos basándose en su hardware, datos y cronología piloto.
[Reserva una llamada]
Cada VLA aquí puede ser ajustado a sus propias demostraciones.
Recoge demos → Hardware que lo ejecuta → Corre una política →