Сбор и подготовка данных

Сбор и подготовка данных определили успех обучения ИИ-манипулятора, превратив хаотичные движения в точные действия

В ходе эксперимента разработчик Шерри Чен продемонстрировала, что стабильность аппаратного обеспечения и строгая формализация процесса сбора данных критичнее сложности алгоритма. Переход от интуитивной записи к стандартизированным сценариям с фиксацией геометрии и стратифицированной выборкой позволил роботам освоить задачу манипуляции. Без устранения системных сбоев в записи и расширения вариативности обучающей выборки модель не смогла бы обобщать знания на новые условия.

Событие: После расширения датасета с 50 до 72 эпизодов, включающих вариации поворотов и позиций, точность выполнения задачи роботом на неизвестных позициях выросла с 10% до 75%.

Риск: Нестабильность USB-соединения и сдвиг камер между сессиями обучения и тестирования приводили к обрыву записи данных каждые 5 эпизодов, делая модель неспособной к распознаванию объектов.

Фактор: Отсутствие формального описания задачи и стандартизации условий освещения в первой итерации привело к тому, что модель обучалась на артефактах, недоступных сенсорам робота в реальном времени.

Эффект: Внедрение стратифицированной выборки с выделением одной зоны для проверки обобщающей способности позволило достичь 90% точности на известных позициях и 75% на неизвестных.

Подробнее →