ઇગો કેમેરા - રોબોટ લર્નિંગ ડેટા કલેક્શન માટે હેડ-માઉન્ટેડ સ્ટીરિયો વિઝન ટૂલ
એક હેડ-માઉન્ટેડ બાયનોક્યુલર કેમેરા મોડ્યુલ જે ફક્ત માનવ નિદર્શન ડેટા કેપ્ચર માટે બનાવવામાં આવ્યું છે. તે હાર્ડવેર-સિંક્રનાઇઝ્ડ, ફેક્ટરી-પ્રિકેલિબ્રેટેડ ઇગોસેન્ટ્રિક રો સેન્સર ડેટાને પાવર ઇમિટેશન લર્નિંગ અને એમ્બોઇડેડ AI પાઇપલાઇન્સ સુધી પહોંચાડે છે.
ભૌતિક AI ને અસર કરતી ડેટા બોટલનેક
2026 સુધીમાં, રોબોટિક્સ ઉદ્યોગમાં એક સાર્વત્રિક સર્વસંમતિ રચાઈ ગઈ છે: ડેટા એ સ્કેલેબલ ભૌતિક AI ડિપ્લોયમેન્ટને અટકાવતી મહત્વપૂર્ણ અવરોધ છે. મોટા ભાષા મોડેલો ટ્રિલિયન ટેક્સ્ટ ટોકન્સ પર તાલીમ લે છે, છતાં એમ્બોડેડ AI સિસ્ટમ્સ વાસ્તવિક-વિશ્વ ભૌતિક ક્રિયાપ્રતિક્રિયા ફૂટેજમાં તે વોલ્યુમના દસ હજારમા ભાગ કરતાં પણ ઓછાની ઍક્સેસ ધરાવે છે.
આ અસમાનતા પ્રગતિમાં મોટો અવરોધ ઉભો કરે છે. અગ્રણી રોબોટિક્સ પ્રયોગશાળાઓનો અંદાજ છે કે અદ્યતન મેનીપ્યુલેશન નીતિઓને તાલીમ આપવા માટે આગામી 2-3 વર્ષમાં 100 મિલિયનથી 1 અબજ કલાકના સ્વાર્થી પ્રથમ વ્યક્તિ ફૂટેજની જરૂર પડે છે. એક અલગ મેનીપ્યુલેશન કાર્ય માટે પણ, તાલીમ ડેટાસેટ્સમાં 100,000 થી 1 મિલિયન કલાકની રેકોર્ડ કરેલી માનવ પ્રવૃત્તિની જરૂર પડે છે.
ઉદ્યોગના પ્રેક્ટિશનરો સહમત છે કે સ્વાર્થી ડેટા કેપ્ચર સૌથી વધુ સ્કેલેબિલિટી પ્રદાન કરે છે. પ્રતિ યુનિટ હજારો યુએસ ડોલરના ખર્ચે મોંઘા ટેલિઓપરેશન રિગ્સ પર આધાર રાખવાને બદલે, સંશોધન ટીમો અને ડેટા વિક્રેતાઓ હવે હળવા વજનના હેડ-માઉન્ટેડ કેમેરાનો ઉપયોગ કરીને માનવીઓ કુદરતી દૈનિક કાર્યો કરતી વખતે પ્રદર્શન ફૂટેજ કેપ્ચર કરી રહ્યા છે.
વાસ્તવિક દુનિયાના જમાવટમાં આ પરિવર્તન પહેલાથી જ દેખાય છે. એપ્રિલ 2026 માં, વાયરલ ફૂટેજમાં, ભારતના દિલ્હી NCR પ્રદેશમાં હજારો કાપડ કામદારો Egolab.AI દ્વારા ઉત્પાદિત કોમ્પેક્ટ હેડ-માઉન્ટેડ કેમેરા પહેરેલા દર્શાવવામાં આવ્યા હતા. આ ઓપરેટરો હવે આગામી પેઢીના હ્યુમનોઇડ રોબોટ્સને તાલીમ આપવા માટે મોટા પાયે સ્વાર્થી વિડિઓ ડેટાસેટ્સ જનરેટ કરે છે.
શા માટે અહંકાર કેન્દ્રિત પ્રથમ વ્યક્તિ ડેટા અનિવાર્ય છે
માનવ મોટર કૌશલ્યોને સચોટ રીતે નકલ કરવા માટે રોબોટ્સે માણસો જે દ્રશ્ય ઇનપુટ જુએ છે તે ચોક્કસ રીતે સમજવું જોઈએ. 2025 અને 2026 વચ્ચે પ્રકાશિત થયેલા સંશોધનનો એક તરંગ અહંકાર કેન્દ્રિત ડેટાસેટ્સના પરિવર્તનશીલ મૂલ્યને માન્ય કરે છે:
1.
હ્યુમન-અહંકાર દરેક કાર્ય માટે માત્ર 30 મિનિટનો માનવ સ્વાર્થી વિડિઓ વાસ્તવિક દુનિયાના મેનીપ્યુલેશન કાર્યોમાં સરેરાશ 92.5% સફળતા દર પ્રાપ્ત કરે છે, જેનાથી માનવીઓથી રોબોટ્સમાં શૂન્ય-શોટ કૌશલ્ય ટ્રાન્સફર શક્ય બને છે.
2.
ઇગોમિમિક માનવ પ્રદર્શન ડેટાને એકીકૃત કરવાથી રોબોટ-માત્ર તાલીમ ડેટાની તુલનામાં કાર્ય પ્રદર્શન 34% થી 228% સુધી વધે છે. પૂરક માનવ હાથ ફૂટેજનો એક કલાક વધારાના રોબોટ સ્વ-સંગ્રહિત ડેટાના એક કલાક કરતાં મોડેલમાં ઘણો મોટો સુધારો પહોંચાડે છે. હાઇબ્રિડ માનવ-રોબોટ ડેટાસેટ્સ પણ શ્રેષ્ઠ તાલીમ અને ડિપ્લોયમેન્ટ પ્રદર્શન આપે છે, જેમાં લાંબા અંતરના ટેલિઓપરેશન વર્કફ્લોના ફૂટેજનો સમાવેશ થાય છે.
3.
ઇગોસ્કેલ NVIDIA સંશોધકો દ્વારા વિકસાવવામાં આવેલ, આ ફ્રેમવર્ક સામાન્ય કાર્યોમાં કુશળ મેનીપ્યુલેશન ક્ષમતાઓને સ્કેલ કરવા માટે 20,854 કલાકના માનવ અહંકારિક ફૂટેજના વૈવિધ્યસભર ડેટાસેટનો ઉપયોગ કરે છે.
4.
ઓપન-AoE સિંક્રનાઇઝ્ડ હેન્ડ ગતિશાસ્ત્ર અને અણુ ક્રિયા એનોટેશન સાથે જોડાયેલ 2,000-કલાકનો અહંકાર કેન્દ્રિત વિડિઓ ડેટાસેટ પ્રકાશિત કરે છે.
5.
અત્યાધુનિક ફ્રેમવર્ક ઇગોગાઇડ અને ઇગોલાઇવ સહિતના અત્યાધુનિક ફ્રેમવર્ક રોબોટ-મુક્ત પ્રદર્શન કેપ્ચર અને મોટા પાયે સ્વ-કેન્દ્રિત ડેટાસેટ જનરેશનને વધુ સુવ્યવસ્થિત કરે છે.
ઉદ્યોગમાં આ ગતિ હોવા છતાં, ઉચ્ચ-ગુણવત્તાવાળા સ્વાર્થી કેપ્ચર માટેના હાર્ડવેર સોલ્યુશન્સ ખંડિત રહે છે. સંશોધકો અને ડેટા ટીમોને ગ્રાહક એક્શન કેમેરા, AR ચશ્મા અને કસ્ટમ-બિલ્ટ રિગ્સને એકસાથે બનાવવાની ફરજ પાડવામાં આવે છે - આ પ્રક્રિયામાં સિંક્રનાઇઝેશન ચોકસાઇ, કેલિબ્રેશન સુસંગતતા અને લાંબા સમય સુધી પહેરવામાં આવતી આરામ સાથે સમાધાન કરવામાં આવે છે.
ઇગો કેમેરા પ્રોડક્ટ ઝાંખી
ઇગો કેમેરા એ હેડ-માઉન્ટેડ બાયનોક્યુલર સ્ટીરિયો કેમેરા મોડ્યુલ છે જે રોબોટ લર્નિંગ, એમ્બોડેડ AI અને ઇમિટેશન લર્નિંગ વર્કફ્લોમાં અહંકાર કેન્દ્રિત ડેટા કેપ્ચર માટે ગ્રાઉન્ડ ઉપરથી એન્જિનિયર્ડ કરવામાં આવ્યું છે.
સંશોધન ઉપયોગ માટે અનુકૂળ પુનઃઉપયોગી ગ્રાહક એક્શન કેમેરાથી વિપરીત, ઇગો કેમેરા શૈક્ષણિક અને ઔદ્યોગિક રોબોટિક્સ પાઇપલાઇન્સ માટે હેતુપૂર્વક બનાવવામાં આવ્યો છે. તે સ્વચ્છ, હાર્ડવેર-સિંક્રનાઇઝ્ડ, ફેક્ટરી-પ્રીકેલિબ્રેટેડ કાચા સેન્સર ડેટાને બોક્સની બહાર આઉટપુટ કરે છે જેમાં શૂન્ય પોસ્ટ-પ્રોસેસિંગ સેટઅપની જરૂર નથી.
મુખ્ય ટેકનિકલ વિશિષ્ટતાઓ
| સ્પષ્ટીકરણ | વિગતો |
|---|---|
| છબી સેન્સર્સ | ડ્યુઅલ 2MP ગ્લોબલ શટર CMOS સેન્સર્સ |
| આડું દૃશ્ય ક્ષેત્ર (HFOV) | ૬૦–૬૫°, કુદરતી માનવ દ્રશ્ય શ્રેણી સાથે મેળ ખાતું |
| શટર ટેકનોલોજી | ગ્લોબલ શટર; હાઇ-સ્પીડ ગતિ દરમિયાન રોલિંગ શટર વિકૃતિ દૂર કરે છે. |
| IMU મોડ્યુલ | 6-અક્ષ ICM-26888-P (3-અક્ષ એક્સીલેરોમીટર + 3-અક્ષ ગાયરોસ્કોપ), 200-500 Hz સેમ્પલિંગ ફ્રીક્વન્સી |
| સિંક્રનાઇઝેશન મિકેનિઝમ | હાર્ડવેર GPIO ટ્રિગર; ફ્રેમ-IMU સિંક્રનાઇઝેશન ભૂલ < 10 માઇક્રોસેકન્ડ્સ |
| ટાઇમસ્ટેમ્પિંગ | દરેક ઇમેજ ફ્રેમ અને IMU રીડિંગ માટે હાર્ડવેર-સ્તરના યુનિફાઇડ નેનોસેકન્ડ ટાઇમસ્ટેમ્પ્સ |
| વાયર્ડ ઇન્ટરફેસ | USB 2.0 ટાઇપ-સી, UVC સુસંગત; વિન્ડોઝ, લિનક્સ અને ROS માટે ક્રોસ-પ્લેટફોર્મ SDK સપોર્ટ |
| વાયરલેસ ડિપ્લોયમેન્ટ | ઓનબોર્ડ વાઇફાઇ + માઇક્રોએસડી કાર્ડ સ્ટોરેજ; સ્થાનિક સ્ટોરેજ કરતાં ફૂટેજને પ્રાથમિકતા, નેટવર્ક રિકનેક્શન પર ઓટો ક્લાઉડ અપલોડ |
| માઉન્ટિંગ સ્ટાન્ડર્ડ | ૧/૪″-૨૦ થ્રેડેડ માઉન્ટિંગ હોલ્સ, આફ્ટરમાર્કેટ હેડ સ્ટ્રેપ્સ અને કસ્ટમ ફિક્સર સાથે સુસંગત |
| માપાંકન | ફેક્ટરી પ્રી-કેલિબ્રેટેડ સ્ટીરિયો આંતરિક/બાહ્ય પરિમાણો અને કેમેરા-IMU ટ્રાન્સફોર્મ્સ, કાયમી ધોરણે ઓનબોર્ડ ફ્લેશ મેમરીમાં સંગ્રહિત. |
રોબોટ લર્નિંગ માટે ગ્લોબલ શટર શા માટે બિન-વાટાઘાટોપાત્ર છે
ગ્રાહક કેમેરા રોલિંગ શટર સેન્સર પર આધાર રાખે છે જે પિક્સેલ પંક્તિઓને ક્રમિક રીતે પ્રદર્શિત કરે છે. ઝડપી માનવ હાથની ગતિવિધિઓ - જે પ્રદર્શન ફૂટેજમાં હંમેશા હાજર રહે છે - "જેલી ઇફેક્ટ" તરીકે ઓળખાતી ગંભીર રોલિંગ શટર આર્ટિફેક્ટ્સ બનાવે છે: ત્રાંસી વસ્તુની ધાર, ભૌમિતિક વાર્પિંગ અને અવિશ્વસનીય સુવિધા ટ્રેકિંગ.
આ વિકૃતિઓ રોબોટિક્સ પાઇપલાઇન્સને અપંગ બનાવે છે. VIO ફ્રન્ટએન્ડ્સ, વિઝ્યુઅલ SLAM અલ્ગોરિધમ્સ અને ઇમિટેશન લર્નિંગ પોલિસી અણધારી ઇન્ટર-ફ્રેમ ફીચર શિફ્ટ્સને સહન કરી શકતા નથી, જે મોડેલ સામાન્યીકરણ અને વાસ્તવિક-વિશ્વ કાર્ય પ્રદર્શનને ભારે ઘટાડા આપે છે.
ઇગો કેમેરાનું ગ્લોબલ શટર સેન્સર એક જ કેપ્ચર વિન્ડોમાં બધા પિક્સેલ્સને એકસાથે એક્સપોઝ કરે છે. દરેક ફ્રેમ શૂન્ય ભૌમિતિક વિકૃતિ સાથે એક સ્પષ્ટ કઠોર-શરીર પોઝને અનુરૂપ છે - સખત રોબોટિક્સ સંશોધન અને વાણિજ્યિક મોડેલ તાલીમ માટે ફરજિયાત ધોરણ.
જેમ જેમ ઉદ્યોગ વધુને વધુ સ્વાર્થી ડેટાસેટ્સ (જેમ કે વાસ્તવિક ઘરગથ્થુ અને ઔદ્યોગિક કાર્યોને આવરી લેતા ઉચ્ચ-વફાદારી સ્ટીરિયો ફૂટેજના EgoLive ના બહુ-હજાર-કલાકના આર્કાઇવ્સ) ને અનુસરે છે, તેમ તેમ વિકૃતિ-મુક્ત, ફ્રેમ-સચોટ કેપ્ચર હાર્ડવેરની માંગ સતત વધી રહી છે.
હાર્ડવેર સિંક્રનાઇઝેશન: ઓછી-ગુણવત્તાવાળા અને ઉત્પાદન-ગ્રેડ તાલીમ ડેટા વચ્ચેનું વિભાજન
જ્યારે માનવીઓ મેનિપ્યુલેશન સિક્વન્સ - પહોંચવા, પકડવા, વસ્તુઓ મૂકવા - ચલાવે છે ત્યારે રોબોટ નીતિઓમાં દ્રશ્ય હાથની ગતિ અને જડતા શરીરની ગતિ વચ્ચે ચોક્કસ ટેમ્પોરલ ગોઠવણીની જરૂર પડે છે. કેમેરા ફ્રેમ્સ અને IMU રીડિંગ્સ વચ્ચે થોડા મિલિસેકન્ડ ડિસિંક પણ સમગ્ર તાલીમ ડેટાસેટ્સને દૂષિત કરે છે. સોફ્ટવેર-આધારિત ટાઇમસ્ટેમ્પ ગોઠવણી (સોફ્ટ સિંક્રનાઇઝેશન) રેકોર્ડિંગ સત્રો પર ડ્રિફ્ટ એકઠા કરે છે અને ઉચ્ચ-વફાદારી VIO અને અનુકરણ શિક્ષણ પાઇપલાઇન્સ માટે ચોકસાઇ ધોરણોને પૂર્ણ કરવામાં નિષ્ફળ જાય છે.
ઇગો કેમેરા બાયનોક્યુલર સેન્સર અને IMU બંનેને એકસાથે ટ્રિગર કરવા માટે સમર્પિત GPIO પલ્સનો ઉપયોગ કરે છે, જે 10 માઇક્રોસેકન્ડ કરતાં વધુ સારી સિંક્રનાઇઝેશન ચોકસાઈ પ્રદાન કરે છે. દરેક ઇમેજ ફ્રેમ અને ઇનર્શિયલ સેમ્પલ એક શેર કરેલ હાર્ડવેર ટાઇમસ્ટેમ્પ ધરાવે છે - જે VINS-Fusion અને OpenVINS સહિત મુખ્ય પ્રવાહના VIO ફ્રેમવર્કની કડક ટેમ્પોરલ આવશ્યકતાઓને પૂર્ણ કરે છે.
ઓપન-એઓઇ જેવા ફ્લેગશિપ એનોટેટેડ અહંકારકેન્દ્રિત ડેટાસેટ્સ સિંક્રનાઇઝ્ડ ટેક્સ્ટ લેબલ્સ, MANOS-આધારિત હેન્ડ પોઝ અંદાજ, કેમેરા ટ્રેજેક્ટરી લોગ્સ અને ટેમ્પોરલી લોકલાઈઝ્ડ એટોમિક એક્શન ટૅગ્સ પહોંચાડવા માટે હાર્ડવેર સિંકના આ સ્તર પર આધાર રાખે છે - આ બધા મુખ્ય ડિલિવરેબલ્સ ઇગો કેમેરાને મૂળ રીતે સપોર્ટ કરવા માટે ડિઝાઇન કરવામાં આવ્યા છે.
ફેક્ટરી પ્રી-કેલિબ્રેશન: સ્થળ પર સમય લેનારા કેલિબ્રેશનને દૂર કરો
મલ્ટી-કેમેરા ડેટા કેપ્ચર વર્કફ્લો માટે મેન્યુઅલ કેલિબ્રેશન સૌથી વધુ સંસાધન-સઘન અવરોધોમાંથી એક છે. આંતરિક લેન્સ પરિમાણો, સ્ટીરિયો બાહ્ય ઓફસેટ્સ અને કેમેરા-IMU ટ્રાન્સફોર્મ મેટ્રિસિસને ટ્યુન કરવા માટે વિશિષ્ટ ઓપ્ટિકલ સાધનો, તકનીકી કુશળતા અને ઉપકરણ દીઠ કલાકોના શ્રમની જરૂર પડે છે.
ઇગો કેમેરા આ કાર્યપ્રવાહને સંપૂર્ણપણે દૂર કરે છે. ફેક્ટરી છોડતા પહેલા દરેક યુનિટ સંપૂર્ણ એન્ડ-ટુ-એન્ડ કેલિબ્રેશનમાંથી પસાર થાય છે. બધા મહત્વપૂર્ણ પરિમાણો - ફોકલ લેન્થ, પ્રિન્સિપલ પોઈન્ટ કોઓર્ડિનેટ્સ, ડિસ્ટોર્શન કોએક્સિએન્ટ્સ, સ્ટીરિયો એક્સટ્રિન્સિક્સ અને કેમેરા-IMU ટ્રાન્સફોર્મ્સ - કાયમી ધોરણે ઓનબોર્ડ ફ્લેશ મેમરીમાં લખાયેલા છે.
સંશોધન ટીમો અને ડેટા વિક્રેતાઓ અનબોક્સિંગના પાંચ મિનિટની અંદર માન્ય ફૂટેજ રેકોર્ડ કરવાનું શરૂ કરી શકે છે, જેમાં કોઈ ચેકરબોર્ડ ટાર્ગેટ, કેલિબ્રેશન રિગ્સ અથવા અડધા દિવસના કેલિબ્રેશન સત્રોની જરૂર નથી. આધુનિક ઉચ્ચ-માનક અહંકાર કેન્દ્રિત ડેટાસેટ્સ ફેક્ટરી-પ્રીકેલિબ્રેટેડ કેમેરા હાર્ડવેરને ફરજિયાત બનાવે છે - એક સ્પષ્ટીકરણ જે દરેક ઇગો કેમેરા યુનિટમાં સીધું બનેલું છે.
બે ડિપ્લોયમેન્ટ મોડ્સ, સિંગલ યુનિફાઇડ હાર્ડવેર પ્લેટફોર્મ
1. USB વાયર્ડ મોડ
રીઅલ-ટાઇમ લાઇવ પ્રીવ્યૂ અને લો-લેટન્સી રેકોર્ડિંગ માટે લેપટોપ અથવા વર્કસ્ટેશન સાથે કનેક્ટ કરો. નિયંત્રિત પ્રયોગશાળા વાતાવરણ માટે ઑપ્ટિમાઇઝ કરેલ જ્યાં સંશોધકો માંગ પર ડેટા ગુણવત્તાને માન્ય કરે છે. વિન્ડોઝ, લિનક્સ અને આરઓએસ રોબોટિક્સ ફ્રેમવર્ક સાથે સુસંગત ક્રોસ-પ્લેટફોર્મ SDK દ્વારા સંપૂર્ણપણે સપોર્ટેડ.
2. વાઇફાઇ + માઇક્રોએસડી કાર્ડ ઑફલાઇન મોડ
મોટા પાયે વિતરિત ડેટા સંગ્રહ માટે અનટીથર રેકોર્ડિંગ. નેટવર્ક આઉટેજ દરમિયાન ડેટા નુકસાન અટકાવવા માટે બધા કેપ્ચર કરેલા ફૂટેજ પહેલા સ્થાનિક માઇક્રોએસડી સ્ટોરેજમાં લખાય છે; એકવાર કનેક્ટિવિટી પુનઃસ્થાપિત થઈ જાય, પછી ફાઇલો રિમોટ ક્લાઉડ સર્વર્સ અથવા ઓન-પ્રિમાઈસ ડેટા વેરહાઉસમાં સ્વતઃ-સમન્વયિત થાય છે. હજારો કલાકોના પ્રદર્શન ફૂટેજ જનરેટ કરવા માટે રસોડા, ઉત્પાદન વર્કશોપ, ઓફિસો અને અન્ય વાસ્તવિક-વિશ્વ વાતાવરણમાં મલ્ટિ-સીન કેપ્ચર માટે આદર્શ.
સ્ટ્રક્ચર્ડ રો ડેટા આઉટપુટ (ઓનબોર્ડ AI પ્રોસેસિંગ નહીં)
આ યુનિટ કોઈ બિલ્ટ-ઇન ઇમેજ સ્મૂથિંગ, ઓટો-એનોટેશન, અથવા ઓન-ડિવાઇસ AI અનુમાન વિના અપરિવર્તિત, શુદ્ધ કાચા સેન્સર ડેટાનું આઉટપુટ કરે છે - કસ્ટમ તાલીમ પાઇપલાઇન્સમાં એકીકરણ માટે સંપૂર્ણ કાચા વિશ્વાસુતા જાળવી રાખે છે:
ડાબી_વિડીયો.mp4/રાઇટ_વિડિઓ.એમપી4: સિંક્રનાઇઝ્ડ સ્ટીરિયો બાયનોક્યુલર વિડિઓ સ્ટ્રીમ્સimu_6axis.csv દ્વારા વધુ: 6-અક્ષીય જડતા માપન લોગ (એક્સીલેરોમીટર + ગાયરોસ્કોપ) હાર્ડવેર ટાઇમસ્ટેમ્પ સાથે ટૅગ કરેલા છે.ટાઇમસ્ટેમ્પ્સ_એનએસ.ટી.એસ.ટી.એસ.ટી.: બધા ઇમેજ ફ્રેમ્સ અને IMU નમૂનાઓ માટે યુનિફાઇડ નેનોસેકન્ડ હાર્ડવેર ટાઇમસ્ટેમ્પ્સકેલિબ્રેશન_પેરમ્સ.યામલ: ફેક્ટરી-બેક્ડ આંતરિક, બાહ્ય અને કેમેરા-IMU કેલિબ્રેશન પરિવર્તનો
લક્ષ્ય વપરાશકર્તા વિભાગો
મૂર્ત AI અને અનુકરણ શિક્ષણ શૈક્ષણિક સંશોધન પ્રયોગશાળાઓ
હ્યુમનોઇડ રોબોટ અને કુશળ મેનીપ્યુલેશન રોબોટિક્સ ઉત્પાદકો
ભૌતિક AI ક્લાયન્ટ્સ માટે તાલીમ ડેટાસેટ્સ જનરેટ કરતા વિશિષ્ટ ડેટા સેવા પ્રદાતાઓ
VIO અને વિઝ્યુઅલ SLAM અલ્ગોરિધમ્સ બનાવી રહેલી R&D ટીમો
રોબોટિક્સ ટીમો મોટા પાયે અહંકાર કેન્દ્રિત પ્રદર્શન ડેટા સંગ્રહ વર્કફ્લોનું કદ બદલી રહી છે
પોસ્ટ સમય: ઓગસ્ટ-૧૧-૨૦૨૬
