- Diversidade de encarnaçãoMúltiplos robôs melhoram a generalização, mas adicionam trabalho de alinhamento.
- Fundamentação linguísticaA consistência das instruções afeta o condicionamento a montante.
- Ações padronizadasO treinamento de políticas se torna mais fácil quando os formatos são explícitos e reutilizáveis.
Conjuntos de dados de treinamento de modelos fundamentais para robótica
Conjuntos de dados de modelos fundamentais precisam de amplitude em tarefas, encarnações e formatos de ação, mas a qualidade ainda é mais importante do que a simples escala.
Este cluster ajuda as equipes de ML a comparar se os conjuntos de dados do ecossistema público podem apoiar um caminho de modelo-fundação ou se precisam de expansão específica de domínio.