بعد 10+ سنوات في تعلم الروبوت ، من درجة الدكتوراه في إمبريال إلى بيركلي إلى بناء مختبر دايسون للتعلم الآلي ، استمر إحباط واحد في ضربني: لماذا يجب علي إعادة بناء نفس البنية التحتية مرارا وتكرارا؟ النمط الذي ظللت أراه: • فريق جديد للروبوتات يبدأ • يقضي 6 أشهر في بناء خط أنابيب جمع البيانات • يقضي 3 أشهر أخرى في تصحيح الأخطاء في مشكلات المزامنة • يبدأ أخيرا في جمع البيانات الخاصة بالمهمة • يدرك أن خيارات البنية التحتية الخاصة بهم تحد من مرونتهم • يبدأ من جديد هذا هو بيت القصيد من تعلم الروبوت: تعلم الروبوت يعتمد بشكل أساسي على البيانات. سواء كنت تقطف الفراولة أو تقوم بتجميع الإلكترونيات ، فإن احتياجات البنية التحتية الأساسية متطابقة. هذا هو السبب في أنني كنت مهتما جدا بمتابعة الروبوتات المستندة إلى البيانات منذ أكثر من عقد من الزمان. أنت دائما بحاجة إلى: • مزامنة بيانات متعددة المستشعرات عبر ترددات مختلفة • تخزين مرن يعمل مع الخوارزميات المستقبلية • أدوات التصور لفهم بياناتك • القدرة على تجربة قرارات زمنية مختلفة • تسجيل قوي يلتقط كل ما قد تحتاجه لاحقا يتزايد الاتجاه نحو الذكاء الاصطناعي في الروبوتات ، حيث تحتاج الروبوتات إلى معالجة وتحليل كميات كبيرة من بيانات المستشعرات لإدارة التباين وعدم القدرة على التنبؤ في البيئات الحقيقية. لكن كل فريق يبني هذا من الصفر. تخيل لو كان على كل مطور ويب إنشاء قاعدة بيانات خاصة به وخادم ويب وخط أنابيب النشر قبل كتابة السطر الأول من التعليمات البرمجية للتطبيق. هذا هو السبب في أنني أسست Neuracore. بدلا من أن يقضي كل فريق روبوتات شهورا في البنية التحتية ، نقدم الأدوات الشائعة التي تتيح لك الانتقال من "لدي روبوت" إلى "أنا أشحن سلوكيات الروبوت الذكية" في أيام وليس أشهر....