BitRobot, проект по сбору данных для обучения роботов, представил 2000 часов открытых данных навигации, используя блокчейн Solana для учета и вознаграждения участников.
BitRobot, ранее известный как FrodoBots, начал с создания небольших роботов для игр, позволяя пользователям управлять ими через браузер. Это привело к сбору данных о навигации в реальном времени, которые теперь используются для обучения моделей AI. Проект стал известен благодаря уникальному подходу к созданию данных.
Недавно BitRobot открыл 2000 часов данных, что значительно превышает предыдущий рекорд в 60 часов для публичных наборов данных по городской навигации. Эти данные уже использовались командами из DeepMind, Meta и UC Berkeley для обучения навигационных моделей, что подтверждает их ценность для исследовательского сообщества.
Сбор данных для роботов представляет собой сложную задачу, особенно в контексте взаимодействия с объектами. BitRobot предлагает альтернативный подход, создавая сеть субсетей, каждая из которых собирает данные различными методами, такими как телеприсутствие и эгоцентрическое видео, что позволяет получать более разнообразные данные.
Флагманским продуктом BitRobot является устройство RoboCap, стоимостью около 1000 долларов, которое позволяет собирать данные с помощью шести камер. Устройство предназначено для использования в обычных рабочих условиях, таких как пекарни и фабрики, что делает его доступным для широкого круга пользователей.
BitRobot оценивает вклад участников на основе новизны данных, что позволяет вознаграждать тех, кто предоставляет уникальную информацию. Это отличается от традиционных моделей, где большая часть данных оказывается неэффективной, и создает стимулы для участников.
Solana используется для учета работы участников и их вознаграждения. Блокчейн обеспечивает низкие затраты и доступ к множеству инструментов, что делает его идеальной платформой для BitRobot. Это позволяет проекту эффективно управлять данными и вознаграждениями.
BitRobot стремится создать децентрализованную сеть, где любой может участвовать в сборе данных, в отличие от централизованных компаний, которые контролируют процесс. Это позволяет собирать более разнообразные и полезные данные для обучения AI, что является ключевым аспектом их стратегии.
Проект делает ставку на то, что разнообразие и уникальность собранных данных станут конкурентным преимуществом, позволяя создать более эффективные модели для обучения роботов. BitRobot уверен, что децентрализованный подход к сбору данных обеспечит более высокое качество и разнообразие информации.
Источники
- Источник статьи: Solana.com
- Источник изображения: Solana.com
Материал носит информационный характер и не является инвестиционной рекомендацией.
