上次写到做Pre Training时，机械臂基本全程由我控制，到了Axis V2的Post Training，玩法完全换了，我第一次进去甚至刻意没碰控制键，就是想看看Policy自己能做到哪一步。 进入 @axisrobotics Hub后，我找到开放Post Training的任务，点击Continue，等Policy显示Ready，机械臂就会自己开始执行。 刚开始我看到夹爪位置有点偏，下意识就想接手，忍了几秒以后，它自己又把位置调整了回来。 后来再做，我不会一看到动作不顺就干预，而是等它明显处理不了再接管。 ◉ 有一次夹爪已经偏离目标，继续走大概率会抓空，我才接手把位置重新对准。 Post Training给人工操作的Takeover Budget只有30秒，我现在不会接管后一直控制，而是只修出问题的那几步，位置正常以后马上点Return to Policy，把剩下的任务重新交给机器人。 ╭──────────────╮ ▹ 这几秒人工介入留下的就是Correction Data。 我之前会觉得，只要成功把机器人救回来，这段操作多少都有训练价值。 Axis公布的一组实验让我改了这个想法，660条Correction经过筛选，最后只有161条进入训练，大约24%。 ╰──────────────╯ 现在再做Post Training，我关注的已经不只是任务有没有完成。 我会刻意少接手，接手后也尽快还回去，看看Policy能不能从我修正的位置继续完成任务。 ◇ 同样都是把机械臂拉回正确位置，为什么有的Correction最后能留下，有的会被筛掉，这里面还有一套挺具体的判断过程。 后续 我准备顺着660条到161条这条筛选过程继续往下分析。 参与地址：