艦隊規模が重要な理由

現在の VLA モデルを一般化するには、50,000 ～ 500,000 のデモンストレーションが必要です。 1 台のロボットでこの量を収集するには、数か月から数年かかります。 5 ～ 20 の並列ステーションによるフリート規模のデータ収集により、タイムラインを数週間に圧縮できます。 Google は RT-1 データ収集に 13 台のロボットを使用しました。 Open X-Embodiment プロジェクトでは、複数のラボにわたる 22 種類のロボットからのデータを集約しました。

ハードウェアの標準化

フリート内のすべてのロボットは互換性のあるデータを生成する必要があります。 これには、同一のカメラ モデル、取り付け位置、キャリブレーション手順、グリッパー タイプ、および制御インターフェイスが必要です。 わずかな変動（カメラ角度オフセット 5°）でも、ポリシーのパフォーマンスに悪影響を与える可能性があります。 マスター キャリブレーション ジグを使用して、基準エピソードに対して各ステーションを検証します。

オペレーターパイプライン

実稼働データを収集する前に、認定タスクについてオペレーターをトレーニングします。 オペレーターごとの指標を追跡します: 1 時間あたりのエピソード、成功率、タスクの完了時間。 タスク間でオペレーターを交代させて、偏見を防ぎます。 SVRC は、訓練を受けたオペレーターと標準化された品質のパイプラインによるターンキー フリート データ収集サービスを提供します。