आज क्या कमी है
लंबे-क्षितिज वाले घरेलू अनुक्रम, मल्टी-कैमरा हेरफेर के निशान, स्पर्श-समृद्ध पकड़ विफलताएं, हस्तक्षेप डेटा और वास्तविक तैनाती बाधाओं से जुड़े मूल्यांकन डेटासेट।
रोबोटिक्स में अगली बाधा पर एक उच्च-संकेत सभा: कौन सा डेटा अभी भी गायब है, टीमों को आगे क्या एकत्र करने की आवश्यकता है, और हार्डवेयर, टेलीऑपरेशन, एनोटेशन, मूल्यांकन, कैसे कनेक्ट करें और एक वास्तविक ऑपरेटिंग लूप में तैनाती।
हम एक ऐसा कमरा चाहते हैं जहां प्रयोगशालाएं, स्टार्टअप, ऑपरेटर और सिस्टम निर्माता नोट्स की तुलना कर सकें कि क्या है सन्निहित एआई डेटासेट से अभी भी गायब है: विफलता डेटा, स्पर्श संकेत, किनारे के मामले, पुनर्प्राप्ति निशान, मानव सुधार, बेड़ा प्रतिक्रिया और डोमेन-विशिष्ट वर्कफ़्लो।
लंबे-क्षितिज वाले घरेलू अनुक्रम, मल्टी-कैमरा हेरफेर के निशान, स्पर्श-समृद्ध पकड़ विफलताएं, हस्तक्षेप डेटा और वास्तविक तैनाती बाधाओं से जुड़े मूल्यांकन डेटासेट।
डेटा के कौन से तौर-तरीके अब सबसे ज्यादा मायने रखते हैं, सिमुलेशन अकेले कितनी दूर तक जा सकता है, एनोटेशन मानक अभी भी कहाँ टूटते हैं, और पारिस्थितिकी तंत्र को वास्तव में कौन से नए बेंचमार्क की आवश्यकता है।
रोबोटिक्स डेटा स्टैक का एक स्पष्ट मानचित्र, व्यावहारिक संग्रह और एनोटेशन पैटर्न, और हार्डवेयर पहुंच को प्रशिक्षण-तैयार डेटासेट में बदलने के ठोस तरीके।
सिर्फ स्लाइड नहीं. वास्तविक रोबोट, डेटा संग्रह रिग और फर्श पर ऑपरेटर वर्कफ़्लो।
हेरफेर प्रदर्शन, ऑपरेटर हस्तक्षेप और तेजी से कार्य पुनरावृत्ति को इकट्ठा करने के लिए दृश्यमान, किफायती और व्यावहारिक।
उच्च-मूल्य वाला ह्यूमनॉइड डेटा पृथक क्लिप से परे कैसा दिखता है: इरादा, संतुलन, संपर्क, पुनर्प्राप्ति और पर्यवेक्षण लागत।
टेलिओप, नीति मूल्यांकन, एनोटेशन क्यूए और वास्तविक दुनिया फीडबैक के साथ टीमें डेमो से दोहराए जाने योग्य डेटा पाइपलाइनों की ओर कैसे बढ़ती हैं।
विफलता के निशान, अनिश्चितता के लेबल, पुनः प्रयास, स्पर्श संबंधी बातचीत और अनुक्रम जहां मनुष्य किसी नीति में हस्तक्षेप करते हैं या उसे सही करते हैं।
लंबे वीडियो, गहन हेरफेर की स्थिति, मल्टीमॉडल संरेखण, नीति इरादे और ईवेंट लेबल जो दृश्य के बजाय परिचालन रूप से मायने रखते हैं।
साझा स्कीमा, समृद्ध मेटाडेटा, क्रॉस-रोबोट स्थानांतरण धारणाएं, टेलोप उद्गम, पर्यावरण टैग और बेंचमार्क-तैयार संरचना।
ऑफ़लाइन क्यूए तैनाती जोखिम, किनारे के मामलों के लिए बेंचमार्क कवरेज और लूप से जुड़ा हुआ है जो रोलआउट साक्ष्य को संग्रह प्राथमिकताओं में वापस जोड़ता है।
हम ऐसा शिखर सम्मेलन नहीं चाहते जो "डेटा महत्वपूर्ण है" पर रुक जाए। हम वह पूर्ण स्टैक दिखाना चाहते हैं जिसका उपयोग टीमें कर सकती हैं: हार्डवेयर एक्सेस, टेलीऑपरेशन, मल्टीमॉडल कैप्चर, स्ट्रक्चर्ड एनोटेशन, क्यूए और एक प्लेटफ़ॉर्म जो लूप को चालू रखता है।
ओपनआर्म, ह्यूमनॉइड्स, हाथ और मोबाइल सिस्टम जो केवल खिलौनों के निशान के बजाय सार्थक इंटरैक्शन डेटा उत्पन्न करते हैं।
टेलिओप, कैमरा दृश्य, राज्य स्ट्रीम, हस्तक्षेप लॉग और सत्र मेटाडेटा जो आपको बताते हैं कि कोई कार्य वास्तव में कैसे सामने आता है।
कार्य रूब्रिक्स, समीक्षक भूमिकाएँ, अस्वीकृत कारण, संस्करणबद्ध एनोटेशन, और कच्चे मीडिया से सीखने के लिए तैयार संपत्तियों तक एक स्वच्छ मार्ग।
अकेले अंतर्ज्ञान की प्रतीक्षा करने के बजाय यह तय करने के लिए कि आगे क्या एकत्र करना है, प्लेटफ़ॉर्म टेलीमेट्री, एपिसोड इतिहास और विफलता समीक्षा का उपयोग करें।
डेमो फ़्लोर रोबोट स्टेशनों, डेटा संग्रह उदाहरणों और प्लेटफ़ॉर्म वॉकथ्रू के साथ खुलता है।
शोधकर्ता और ऑपरेटर वर्तमान डेटासेट और वास्तविक तैनाती आवश्यकताओं के बीच अंतर की तुलना करते हैं।
स्पर्श डेटा, टेलोप पर्यवेक्षण, मूल्यांकन अंतराल और एनोटेशन बाधाओं पर संक्षिप्त, ठोस बातचीत।
कैप्चर, स्कीमा, क्यूए, एनोटेशन और स्टोरेज पैटर्न पर एक एकीकृत सत्र टीमें तुरंत अपना सकती हैं।
बेंचमार्क, साझा प्रारूप, गायब तौर-तरीके, और रोबोटिक्स डेटा के अगले वर्ष को वास्तव में बेहतर क्या बना सकते हैं।
शोधकर्ताओं, हार्डवेयर टीमों, डेटा ऑपरेटरों और सन्निहित एआई स्टैक बनाने वाली कंपनियों से मिलें।