Axis Robotics与Booster证明仿真数据可减少真机数据需求

Axis Robotics x Booster：证明仿真数据真能少用真机数据

教机器人一个新任务，以前可能要几百条真人实机演示；现在用他们的仿真数据掺进去，真机数据能少用很多。

1. 专项任务（教一个具体的活）
▪️只给 10 条真机演示：机器人在真实环境里 20次里 0次碰到目标，基本废了
▪️再加 50 条仿真轨迹：真实环境里变成 20次里 17次能接触到目标

2. 基础模型（给这类机器人打底子）
▪️先用积累下来的数据做持续预训练，形成一个“更懂 Booster 这台机器人”的先验模型
▪️之后每个新任务只用 30 条演示，效果就能超过原来用 60 条演示的版本
▪️甚至在零样本时（还没针对这个任务专门练），误差就从 17.27cm 降到 5.78cm，接近目标位置大约提升了3倍

简单总结一下⬇️

以前每换一个新任务、换一台新机器人，都得重新花大力气采真机数据。现在 Axis 的路子是——先在仿真里大规模生成对得上的数据，再用少量真机数据“接地气”，后面越学越快，新任务越来越省事。

最后，在补充一下，别忘了做Axis x 币安钱包的任务，每晚8点更新。

官网用BN无私钥钱包登录—>Binance Keyless Walet Axis exclusive campaign—>Binance Keyless Wallet Tasks。

1星的任务比较简单，会做的很快。

@axisrobotics