பெரும்பாலான இயற்பியல் செயற்கை நுண்ணறிவு (Physical AI) குழுக்களுக்குத் தரவு தேவை என்பது தெரியும். ஆனால், ஒரு தரவுத் தொகுப்பு தேவை என்பது சிலருக்கே தெரியும். களத்தில் பயன்படுத்தப்படும் ஒரு மனித உருவ ரோபோ, தானியங்கி வாகனம் (AV), அல்லது கிடங்கு ரோபோவிற்குத் தேவைப்படும் புலனுணர்வு, செயல்பாடு, அறிவுறுத்தல்களைப் பின்பற்றுதல், பல-படி பணிப்பாய்வு செயலாக்கம் போன்ற திறன்கள் ஒவ்வொன்றும், வெவ்வேறு சேகரிப்பு முறைகள், விளக்கக் குறிப்பு ஆழம் மற்றும் தரக் கட்டுப்பாடுகளுடன் கூடிய பயிற்சித் தரவின் வெவ்வேறு அடுக்குகளுடன் பொருந்துகின்றன. இயற்பியல் செயற்கை நுண்ணறிவு தரவுத் தொகுப்பு என்பது, அந்த அடுக்குகளைத் தொடர்பற்ற நான்கு கொள்முதல் முடிவுகளாகக் கருதாமல், ஒரே ஒருங்கிணைந்த அமைப்பாகக் கருதுவதற்கான ஒரு வழியாகும்.
முக்கிய எடுத்துக்காட்டுகள்
- இயற்பியல் செயற்கை நுண்ணறிவு தரவுத்தொகுப்பு அடுக்கானது, நான்கு நிஜ உலகத் திறன்களுடன் தொடர்புடைய நான்கு அடுக்குகளைக் கொண்டுள்ளது.
- புலனுணர்வு மற்றும் புரிதலுக்காக, அடுக்கு 1 மனித செயல்பாடு மற்றும் செயல்விளக்கத் தரவுகளை உள்ளடக்கியுள்ளது.
- மீண்டும் மீண்டும் செய்யக்கூடிய பணிச் செயலாக்கத்திற்காக, அடுக்கு 2 ரோபோவின் இயக்கத் தரவுகளைச் சேகரிக்கிறது.
- பெரிய அளவில் அறிவுறுத்தல்களைப் பின்பற்றுவதற்காக, அடுக்கு 3 தொலைநோக்கு, மொழி மற்றும் செயலை ஒருங்கிணைக்கிறது.
- லேயர் 4, நிஜ சூழல்களில் நீண்ட கால, பல-படிநிலை பணி நிறைவை ஆதரிக்கிறது.
- ஒவ்வொரு அடுக்கிற்கும் அடுத்த அடுக்கு வலு சேர்க்கிறது; கீழ்மட்டத்திலுள்ள பலவீனங்கள் மேல்மட்டத்திற்குப் பரவுகின்றன.
பௌதீக AI தரவை ஏன் ஒரு அடுக்காகக் கருத வேண்டும்?
இயற்பியல் செயற்கை நுண்ணறிவுத் தரவு ஒரு அடுக்காகச் செயல்படுகிறது, ஏனெனில் ஒவ்வொரு திறன் அடுக்கிற்கும் அதன் கீழே உள்ள அடுக்குகள் சார்ந்துள்ளன. செயல் தரவு இல்லாத புலனுணர்வுத் தரவு, பார்க்கக்கூடிய ஆனால் நகர முடியாத ஒரு மாதிரியை உருவாக்குகிறது. மொழிப் பொருத்தம் இல்லாத செயல் தரவு, நகரக்கூடிய ஆனால் அறிவுறுத்தல்களைப் பின்பற்ற முடியாத ஒரு மாதிரியை உருவாக்குகிறது. வலுவான அறிவுறுத்தல் பின்பற்றுதல் இல்லாத நீண்ட கால பணிப்பாய்வுத் தரவு, முதல் பல-படிப் பணியிலேயே செயலிழந்துவிடுகிறது.
டெவலப்பர் சமூகத்திற்கு வெளியிடப்பட்ட என்விடியாவின் திறந்த இயற்பியல் AI தரவுத்தொகுப்பு, முன்னெப்போதும் இல்லாத பன்முகத்தன்மையுடன் ஆயிரக்கணக்கான மணிநேர பல-கேமரா வீடியோக்களைக் கொண்டுள்ளது (என்விடியா, 2025). அந்த அளவில் கூட, கீழ்நிலைக் குழுக்களுக்கு அதன் மேல் தங்களின் சொந்த பணி சார்ந்த அடுக்குகள் தேவைப்படுகின்றன. முன்-பயிற்சித் தரவு அவசியமானது, ஆனால் போதுமானதல்ல.
அடுக்கு 1: மனிதப் புரிதல் தரவுகள் எவற்றை உள்ளடக்கியுள்ளன?
மனிதப் புரிதல் தரவு என்பது மனிதச் செயல்பாடு மற்றும் செயல்விளக்கத் தரவு ஆகும் — அதாவது, நிஜச் சூழல்களில் மனிதர்கள் பணிகளைச் செய்வதைக் காட்டும் முதல்-நபர் மற்றும் மூன்றாம்-நபர் காணொளிக் காட்சிகள். உலகம் எப்படி இருக்கிறது என்பதையும், மனிதர்கள் அதில் எவ்வாறு இயங்குகிறார்கள் என்பதையும் இது மாதிரிக்குக் கற்பிக்கிறது.
மனித செயல்விளக்கத் தரவுகள்: மனிதர்கள் பணிகளைச் செய்யும் காணொளி மற்றும் உணரிப் பதிவுகள், அவதானிப்புகளைச் செயல்கள், நோக்கங்கள் அல்லது விளைவுகளுடன் பொருத்தும் விளக்கக் குறிப்புகளுடன் இடம்பெற்றுள்ளன.
இந்த அடுக்கு புலனுணர்வு, காட்சிப் புரிதல் மற்றும் நோக்கத்தை ஊகித்தல் ஆகியவற்றுக்குத் துணைபுரிகிறது. கேட்க வேண்டிய தரமான கேள்விகள்:
- உங்கள் ரோபோ செயல்படவிருக்கும் சூழல்களை இந்தத் தரவு உள்ளடக்கியுள்ளதா?
- செயல்விளக்கங்கள் அணுச் செயல்பாட்டு மட்டத்தில் விளக்கக்குறிப்பிடப்பட்டுள்ளனவா, அல்லது ஒவ்வொரு காணொளிக் காட்சிக்கும் மட்டுமா?
- பங்கேற்பாளரின் ஒப்புதல் ஆவணப்படுத்தப்பட்டு, அதற்கான தடயங்கள் கண்டறியக்கூடியதாக உள்ளதா?
ஷேப்பின் எல்1 தரவு சேகரிப்பு இந்த லேயர், ஆய்வகச் சூழல்களுக்குப் பதிலாக, களப்பணிச் சூழல்களுடன் பொருந்தக்கூடிய சமையலறைகள், தொழிற்சாலைகள், கிடங்குகள், சுகாதார நிலையங்கள் மற்றும் சாலைகள் போன்ற நிஜ உலகச் செயல்பாடுகளைப் படம்பிடிக்கிறது.
அடுக்கு 2: பணிச் செயலாக்கத் தரவு எவற்றை உள்ளடக்கியுள்ளது?
பணிச் செயலாக்கத் தரவு என்பது ரோபோவின் கையாளுதல் தரவு ஆகும் — இது மீண்டும் மீண்டும் செய்யக்கூடிய இயற்பியல் பணிகளுக்கான இயக்கப் பாதைகள், மூட்டு நிலைகள், பொருட்களுடனான ஊடாட்டங்கள் மற்றும் தொடர்பு இயக்கவியல் ஆகியவற்றை உள்ளடக்கியது. இது, எதை உணர்வது என்பதை மட்டும் கற்பிக்காமல், எப்படிச் செயல்பட வேண்டும் என்பதையும் அந்த மாதிரிக்குக் கற்பிக்கிறது.
ரோபோ கையாளுதல் தரவு: தொலைஇயக்கம், திட்டமிடப்பட்ட செயலாக்கம் அல்லது செயல்விளக்க மறுஒளிபரப்பின் போது பதிவுசெய்யப்பட்ட, ரோபோவின் நிலைகள், இறுதிச் செயல்முனைப்புக் கருவிகளின் தோரணைகள் மற்றும் பொருட்களுடனான ஊடாட்டங்களின் நேர முத்திரையிடப்பட்ட தொடர் காட்சிகள்.
இங்குதான் உருவமைப்பு சார்ந்த கட்டமைப்பு வெளிப்படுகிறது. மூட்டு உள்ளமைவுகள், பற்றிக்கொள்ளி வடிவங்கள் மற்றும் செயல்பாட்டு வெளிகள் ஆகியவை ரோபோக்களுக்கு இடையே வேறுபடுவதால், இலக்கு மாற்றத்தைச் செய்யாமல், கையாளுதல் தரவுகளை உருவமைப்புகளுக்கு இடையே அரிதாகவே பயன்படுத்த முடிகிறது. 22 ரோபோ உருவமைப்புகளை ஒரே செயல்பாட்டுத் திட்டத்தின் கீழ் ஒன்றிணைக்கும் தரவுத்தொகுப்புகள் (DeepMind/Stanford et al., 2024) போன்ற உருவமைப்புகளுக்கு இடையேயான முயற்சிகள் இதைச் சற்றே எளிதாக்கியுள்ளன, ஆனால் பணி சார்ந்த கையாளுதல் தரவுகள் இன்னும் நேரடியாகச் சேகரிக்கப்படும் ஒரு திட்டமாகவே உள்ளது.
அடுக்கு 3: VLA தரவு என்ன சேர்க்கிறது?
VLA தரவு, பார்வை மற்றும் செயலுக்கு மொழி சீரமைப்பைச் சேர்க்கிறது — ஒவ்வொரு அத்தியாயமும், அதை நிறைவேற்றும் செயல்முறைப் பாதையுடன் இணைக்கப்பட்ட ஒரு இயல்மொழி அறிவுறுத்தலைக் கொண்டுள்ளது.
பார்வை-மொழி-செயல் (VLA) தரவு: ஒத்திசைக்கப்பட்ட காட்சிவழி அவதானிப்புகள், இயல்மொழி அறிவுறுத்தல்கள் மற்றும் வெற்றிக் குறியீடுகளுடன் கூடிய செயல் பாதைகளை உள்ளடக்கிய அத்தியாய அளவிலான பயிற்சித் தரவு.
இந்த அடுக்குதான் அறிவுறுத்தல்களைப் பின்பற்றுவதை சாத்தியமாக்குகிறது. இது இல்லாமல், ஒரு கையாளுதல் மாதிரி பயிற்சி பெற்ற ஒரு பணியை மட்டுமே செயல்படுத்த முடியும்; இது இருந்தால், அதே அடிப்படைக் கட்டமைப்பு நூற்றுக்கணக்கான அறிவுறுத்தல்களுக்குப் பொதுமைப்படுத்த முடியும். இதில் உள்ள சிக்கல் என்னவென்றால்: மொழி விளக்கங்கள் தெளிவற்ற சுருக்கங்களாக இல்லாமல், அணுத்தன்மை கொண்டதாகவும், குறிப்பிட்டதாகவும், உண்மையான செயல் எல்லைகளுடன் சீரமைக்கப்பட்டதாகவும் இருக்க வேண்டும். இந்த அடுக்கில் உள்ள குறிப்புரைத் துல்லியம்தான், நுட்பமாகச் சரிசெய்யப்பட்ட ஒரு VLA புதிய தூண்டுதல்களுக்குப் பொதுமைப்படுத்துமா அல்லது பயிற்சித் தொகுப்பை நினைவில் கொள்ளுமா என்பதைத் தீர்மானிக்கிறது.
அடுக்கு 4: நீண்ட காலப் பணித் தரவுகள் எவற்றை உள்ளடக்கியுள்ளன?
நீண்ட காலப் பணித் தரவுகள் பல-படி பணிப்பாய்வுகளை உள்ளடக்கியுள்ளன — அதாவது, அடுத்த பணியைத் தொடங்குவதற்கு ரோபோ ஒரு துணைப் பணியை முடிக்க வேண்டிய தொடர்வரிசைகள். உணவு சமைப்பது, கிடங்கில் உள்ள தட்டுகளை வரிசைப்படுத்துவது, மற்றும் ஒரு கருவித் தொகுப்பை ஒன்றிணைப்பது ஆகியவை நீண்ட காலப் பணிகளாகும். ஒவ்வொன்றிற்கும், மாதிரி அதன் நிலையைக் கண்காணிக்கவும், துணைப் பணித் தோல்வியிலிருந்து மீளவும், மற்றும் திறன்களைத் தொடர்ச்சியாகப் பயன்படுத்தவும் தேவைப்படுகிறது.
நீண்ட கால டேபிள்டாப் கையாளுதலில் கவனம் செலுத்தும் ஒரு ஆராய்ச்சித் தரவுத்தொகுப்பு, நெரிசலான காட்சிகளைக் கொண்ட 20 பல-படிப் பணிகளில் 200 அத்தியாயங்களைக் கொண்டிருந்தது (LHManip ஆசிரியர்கள், arXiv, 2024) — இது அளவில் சிறியதாக இருந்தாலும், இறுக்கமாகக் கட்டமைக்கப்பட்டிருந்தது. தயாரிப்புக் குழுக்கள் பொதுவாக நூற்றுக்கணக்கான முதல் ஆயிரக்கணக்கான நீண்ட கால அத்தியாயங்களையும், தோல்வி மீட்புக்கான விதிவிலக்கு-கையாளுதல் தடங்களையும் கொண்டு மதிப்பீட்டுத் தொகுப்புகளை உருவாக்குகின்றன.
நான்கு அடுக்குகளும் எவ்வாறு செயல்பாட்டிற்கு வழிவகுக்கின்றன
| அடுக்கு | திறன் திறக்கப்பட்டது | அணிகள் பொதுவாக தவறவிடுபவை |
|---|---|---|
| L1 — மனிதப் புரிதல் | உணர்தல், நோக்கம், காட்சிச் சூழல் | செயல்படுத்தும் தளத்துடன் சூழல் பொருத்தம் |
| L2 — பணிச் செயலாக்கம் | மீண்டும் செய்யக்கூடிய கையாளுதல் | தொடர்பு இயக்கவியல், தோல்வி மீட்பு |
| L3 — பின்வரும் அறிவுறுத்தல் | குறுக்கு-பணி பொதுமைப்படுத்தல் | அணு, செயல் சார்ந்த மொழி லேபிள்கள் |
| L4 — பணிப்பாய்வு நிறைவு | பல படிநிலைகளைக் கொண்ட நிஜ உலகப் பணிகள் | விதிவிலக்கு கையாளுதல், நிலை கண்காணிப்பு |
L1 மற்றும் L2-ஐ (அதாவது, சோதனைகளில் தெளிவான உணர்தல் மற்றும் சீரான கையாளுதல்) கச்சிதமாகச் செய்து, ஆனால் L3-ஐத் தவிர்த்துவிடும் ஒரு தொழில்துறை தானியக்கக் குழுவைக் கற்பனை செய்து பாருங்கள். நீங்கள் சுட்டிக்காட்டும் எந்தப் பொருளையும் அவர்களின் ரோபோ எடுக்கும், ஆனால் நிரல் மாற்றங்கள் இல்லாமல் ஒரு வாய்மொழி அறிவுறுத்தலைப் பின்பற்ற முடியாது. L4-ஐத் தவிர்ப்பதும் இதே போன்ற தன்மையைக் கொண்டது: அந்த அமைப்பு ஒற்றைப் பணிகளைக் கையாளும், பின்னர் இரண்டாவது படியிலேயே செயலிழந்துவிடும். விடுபட்ட ஒவ்வொரு அடுக்கிற்கும், அதைச் செயல்படுத்துவதற்கான உச்ச வரம்பு நிர்ணயிக்கப்படுகிறது.
இயற்பியல் AI தரவுகளுக்கான சான்றிதல்கள் மற்றும் இணக்கம்
பௌதீக செயற்கை நுண்ணறிவுத் தரவுத் திட்டங்கள், குறிப்பாக சுகாதாரம், தன்னாட்சி இயக்கம் மற்றும் தொழிலாளர் பாதுகாப்புப் பயன்பாடுகளுக்கு, இறுக்கமான ஒழுங்குமுறை மற்றும் கொள்முதல் சூழலுக்குள் இயங்குகின்றன. பெருநிறுவன வாங்குபவர்கள், தரவுச் சேகரிப்பு அல்லது குறிப்புரை ஒப்பந்தங்களில் கையெழுத்திடுவதற்கு முன்பு, கட்டமைக்கப்பட்ட கட்டுப்பாடுகளை அதிகளவில் கோருகின்றனர்.
- தகவல் பாதுகாப்பு மேலாண்மைக்கான ISO 27001.
- சேவை நிறுவனக் கட்டுப்பாடுகளுக்கான SOC 2 வகை II.
- மருத்துவ அல்லது மறுவாழ்வு இயக்கத் தரவுகளுக்கான HIPAA-இணக்கமான கட்டுப்பாடுகள்.
- பங்கேற்பாளர் ஒப்புதல் மற்றும் தரவு உரிமைகளுக்கான GDPR மற்றும் CCPA கட்டமைப்புகள்.
ஷைப், உலகளாவிய சேகரிப்புத் திட்டங்கள் முழுவதும் இந்தக் கட்டமைப்புகள் ஒவ்வொன்றின் கீழும் செயல்படுகிறது. வாங்குபவர்கள் குறிப்பிட்ட விவரங்களை இதில் மதிப்பாய்வு செய்யலாம். பாதுகாப்பு மற்றும் இணக்கப் பக்கம் ஒரு நேரடி AI ஈடுபாட்டின் நோக்கத்தை வரையறுப்பதற்கு முன்.
முடிவுரை: ஸ்டேக் தான் உத்தி.
இயற்பியல் செயற்கை நுண்ணறிவு தரவுத்தொகுப்பு அடுக்கு என்பது ஒரு கொள்முதல் சரிபார்ப்புப் பட்டியல் அல்ல; அது களத்தில் செயல்படுத்தக்கூடிய ஒரு அமைப்பின் கட்டமைப்பு ஆகும். மனிதனின் புரிதல் கையாளுதலுக்கும், கையாளுதல் அறிவுறுத்தல்களைப் பின்பற்றுவதற்கும், இவை அனைத்தும் நீண்ட காலச் செயல்பாட்டிற்கும் வழிவகுக்கும் ஒரு ஒருங்கிணைந்த கட்டமைப்பாக இதைக் கருதும் குழுக்கள், நிஜ உலகில் செயல்படும் ரோபோக்களை உருவாக்குகின்றன. ஷைப், நான்கு அடுக்குகளிலும் தரவு உள்கட்டமைப்புப் பங்காளராகச் செயல்படுகிறது. மல்டிமாடல் AI புலனுணர்வு, மொழி மற்றும் செயல் ஆகியவற்றை ஒரே ஈடுபாட்டின் கீழ் இணைக்கும் பணிப்பாய்வுகள்.
இயற்பியல் AI தரவுத்தொகுப்பு அடுக்கு என்பது என்ன?
இயற்பியல் செயற்கை நுண்ணறிவு தரவுத்தொகுப்பு அடுக்கு என்பது, பயிற்சித் தரவு வகைகளை ரோபோவின் திறன்களுடன் பொருத்தும் ஒரு நான்கு-அடுக்குக் கட்டமைப்பாகும். அடுக்கு 1, புலனுணர்வுக்கான மனிதச் செயல்பாட்டையும், அடுக்கு 2, ரோபோவின் கையாளுதலையும், அடுக்கு 3, அறிவுறுத்தல்களைப் பின்பற்றுவதற்கான பார்வை-மொழி-செயல் தரவுகளையும், மற்றும் அடுக்கு 4, நீண்ட கால பல-படி பணிகளையும் உள்ளடக்கியுள்ளது. ஒவ்வொரு அடுக்கிலும் ஒரு தனித்துவமான செயல்படுத்தும் திறன் உள்ளது.
நான்கு அடுக்குகளையும் எப்போதும் நிறுவனத்திற்குள்ளேயே உருவாக்க வேண்டுமா?
நான்கு அடுக்குகளையும் நிறுவனத்திற்குள்ளேயே உருவாக்க வேண்டிய அவசியமில்லை. பொதுவான முன்-பயிற்சி தரவுத்தொகுப்புகள் அடுக்கு 1-இன் பெரும்பகுதியை உள்ளடக்கியுள்ளன, மேலும் அடுக்குகள் 2 முதல் 4 வரையிலான தேர்ந்தெடுக்கப்பட்ட நுண்-சரிசெய்தல் தரவுகளில்தான் நிறுவனத்திற்குள்ளான அல்லது கூட்டாளர் திட்டங்கள் கவனம் செலுத்துகின்றன. தரவு சுயமாக சேகரிக்கப்பட்டதா என்பதல்ல, மாறாக அது பயன்படுத்தப்படும் சூழலுடன் பொருந்துகிறதா என்பதே தீர்க்கமான கேள்வியாகும்.
இயற்பியல் செயற்கை நுண்ணறிவு குழுக்களால் எந்த அடுக்கு மிகவும் குறைத்து மதிப்பிடப்படுகிறது?
அடுக்கு 4 — அதாவது நீண்ட காலப் பணித் தரவு — மிகவும் குறைத்து மதிப்பிடப்படுகிறது. குழுக்கள் பெரும்பாலும் வலுவான புலனறிதல் மற்றும் கையாளுதல் வழித்தடங்களை உருவாக்கிவிட்டு, பின்னர் வரிசைப்படுத்துதல் தானாகவே வந்துவிடும் என்று கருதுகின்றன. நடைமுறையில், பல-படி பணிகளுக்குத் தெளிவான செயல்விளக்கங்கள், விதிவிலக்குக் கையாளுதல் தடங்கள், மற்றும் துணைப் பணிகளின் தோல்வி முறைகளைக் கண்டறியும் மதிப்பீட்டுத் தொகுப்புகள் தேவைப்படுகின்றன. அது இல்லாமல், ஒற்றைப் பணி செயல்விளக்கங்களிலேயே செயலாக்கம் நின்றுவிடுகிறது.
இயற்பியல் AI தரவுத்தொகுப்பு அடுக்கு, VLA மாதிரிகளுடன் எவ்வாறு தொடர்புடையது?
இயற்பியல் AI தரவுத்தொகுப்பு அடுக்கு, அடுக்கு 3-இல் உள்ள VLA மாதிரிகளுடன் தொடர்புடையது. VLA பயிற்சித் தரவு, அறிவுறுத்தல்களைப் பின்பற்றும் அடுக்கில் அமைந்துள்ளது; இது அடுக்கு 1 புலனுணர்வுத் தரவு மற்றும் அடுக்கு 2 கையாளுதல் தரவு ஆகியவற்றை அடித்தளங்களாகக் கொண்டுள்ளது. நன்கு கட்டமைக்கப்பட்ட ஒரு VLA செயல்பட, அதற்குக் கீழேயுள்ள மூன்று அடுக்குகளும் தேவைப்படுகின்றன; பின்னர் அடுக்கு 4, அதை பல-படிநிலை நிஜ-உலக பணிப்பாய்வுகளாக விரிவுபடுத்துகிறது.
செயற்கைத் தரவு, தரவுத்தொகுப்பு அடுக்கின் ஒரு பகுதியா?
செயற்கைத் தரவு, தரவுத்தொகுப்பு அடுக்கின் ஒவ்வொரு பகுதியிலும் ஒரு அங்கமாக இருந்தாலும், அது உண்மையான தரவை முழுமையாக மாற்றுவது அரிது. செயற்கை உருவாக்கம், அரிதான நிகழ்வுகள், விளிம்புநிலைச் சூழல்கள் மற்றும் உருவமைப்பு மாறுபாடுகளை மேம்படுத்துகிறது. உண்மையான தரவு, தொடர்பு இயக்கவியல், உருவகப்படுத்துதலில் இருந்து நிஜத்திற்குத் தரவு பரிமாற்றம் மற்றும் மனித-ரோபோ இடைச்செயல் ஆகியவற்றை நிலைநிறுத்துகிறது. முதிர்ச்சியடைந்த நிரல்கள், உருவகப்படுத்துதலுக்கும் நிஜத்திற்குமான செயல்திறன் இடைவெளியைக் கண்காணிக்கும் இணைக்கப்பட்ட அளவுகோல்களுடன், இவ்விரண்டையும் பயன்படுத்துகின்றன.
முழுமையான இயற்பியல் AI தரவுத்தொகுப்பு அடுக்கை உருவாக்க எவ்வளவு நேரம் ஆகும்?
ஒரு முழுமையான இயற்பியல் AI தரவுத்தொகுப்பு அடுக்கை உருவாக்குவதற்கு, அதன் நோக்கம் மற்றும் செயலாக்கத்தைப் பொறுத்து, பொதுவாக மாதங்கள் முதல் ஆண்டுகள் வரை ஆகும். பல்வேறு சூழல்களில் மேற்கொள்ளப்படும் தரவு சேகரிப்புத் திட்டங்களே இதில் அதிக நேரம் எடுக்கும் கட்டமாகும். குழுக்கள், ஒரு குறிப்பிட்ட பணிக்காக லேயர் 3-இல் தரவைத் துல்லியமாகச் சரிசெய்வதில் தொடங்கி, பின்னர் பயன்பாட்டு நிலைபெறும்போது லேயர் 4 பணிப்பாய்வுகள் மற்றும் பரந்த லேயர் 1 கவரேஜ் வரை விரிவடைவதன் மூலம் வேகத்தை அதிகரிக்கின்றன.
