Baovy06

• المراقب خلال العواصف الرعدية، وجني ثماره عند شروق القمر. • الوظيفة هي المسؤولية. • هادئا أمام الموجة، ثابتا أمام الخريطة.

‏‎1 ألف‏متابعة

‏‎1.1 ألف‏المتابعون

الموجز

سوق الذكاء الاصطناعي للروبوتات ينمو بسرعة هائلة في الوقت الحالي. من مجموعات بيانات الفيديو الأنانية، وأنظمة التقاط الحركة، وخطوط البيانات الاصطناعية إلى أدوات الجمع المعتمدة على الممسك... يبدو الأمر وكأن شركة بيانات روبوتات جديدة تطلق كل أسبوع. لكن المشكلة الحقيقية هي: ليست كل أنواع البيانات مفيدة لتدريب الروبوتات. قبل جمع كميات هائلة من البيانات، يجب أن يكون السؤال الأهم: "ما الذي تدرب عليه الروبوت بالضبط؟" يقسم PrismaX الذكاء الاصطناعي الفيزيائي إلى فئتين رئيسيتين: • ركزت نماذج الحركيات → على التحكم في الروبوتات منخفضة المستوى. أشياء مثل التوازن، القفز، الحركة، دقة الحركة. • → تركز نماذج الأساس على إكمال المهام الواقعية. أشياء مثل غسل الصحون، فتح الأبواب، اختيار الأشياء، التفاعل مع البيئات. وPrismaX يركز بشكل رئيسي على نماذج الأساسات — لأن المستقبل لا يحتاج فقط إلى روبوتات قادرة على القيام بالقفزات الخلفية. يحتاج إلى روبوتات يمكنها فعلا مساعدة البشر في الحياة اليومية. ما وجدته مثيرا للاهتمام هو أن PrismaX لا يقتصر فقط على "بيع بيانات الروبوتات". تتعمق أكثر في: • نوع البيانات التي تناسب كل نموذج • ما تعنيه بيانات الروبوتات عالية الجودة فعليا • ما الذي يجب أن يختلف داخل مجموعات البيانات • وما يجب أن يبقى ثابتا من أجل تقارب أفضل حاليا، تجري صناعة الروبوتات تجارب مختلفة لجمع البيانات: • التشغيل عن بعد → البشر الذين يتحكم عن بعد في الروبوتات • فيديو → تدريب بشري من فيديوهات أشخاص يقومون بمهام • أنظمة القبضة → البشر باستخدام أدوات تشبه الممسك المتتبع لكل طريقة نقاط قوة وضعف. لكن PrismaX يعتقد أن التشغيل عن بعد لا يزال يوفر أعلى جودة للبيانات لأنه أكثر قابلية للتحكم، وأكثر دقة، وأسهل في الاستخدام لنماذج الأساس التدريبية. أكبر ما استخلصته من مقال PrismaX هو التالي: "الروبوتات ليست مجرد أبحاث ذكاء اصطناعي. إنها أيضا مشكلة هندسية واقعية." لا توجد شركة لديها مال لا نهائي، أو روبوتات لا نهائية، أو وقت لا نهائي لتدريب النماذج. هذا يعني أن مجموعات البيانات لا تحتاج فقط لأن تكون كبيرة. هم بحاجة إلى الهيكل المناسب، والتوزيع المناسب، والجودة المناسبة لكي تتعلم النماذج بكفاءة. وهذا بالضبط سبب تركيز PrismaX بشكل كبير على مجموعات بيانات الروبوتات عالية الجودة والمنظمة بدلا من السعي وراء الانتشار

هذا الأسبوع، واصل فريق @axisrobotics تحسين العديد من الأجزاء المهمة من نظام بيانات الروبوتات الخاص بهم، من توليد المهام التلقائي وبيئات المحاكاة إلى استعادة الأعطال وتعزيز بيانات الأجسام. لكن بالنسبة ل Zy، ما يجعل المشروع يحقق تقدما كبيرا ليس فقط التكنولوجيا نفسها، بل أيضا الدعم والمساهمة من المجتمع. وكلما طالت مدة بقاء زي مع أكسيس، كلما أصبح هذا الشعور أكثر واقعية. إليكم بعض التحديثات التي لفتت انتباه زي هذا الأسبوع: • تم ترقية نظام توليد المهام لفهم الكائنات المتاحة، وتخطيطات البيئة، وسير العمل البعيد الأفق عبر تجسيدات الروبوتات المختلفة. • البنية التحتية للمحاكاة أصبحت الآن أكثر استقرارا، خاصة عند تنفيذ مهام طويلة أو التعامل مع عدة كائنات في نفس الوقت. • تم تحسين التحكم في الروبوتات بناء على ملاحظات المجتمع، خاصة في الإمساك، وحركة الذراع الروبوتية، وواجهة التحكم. • واحدة من أكثر الأمور إثارة للاهتمام هي كيف يستخدم الفريق إجراءات الروبوتات الفاشلة أو التي تكاد تفشل كبيانات تدريب جديدة. هذا يساعد الروبوتات على تعلم كيفية التعافي من الأخطاء بدلا من التعلم فقط من المحاولات الناجحة. بالإضافة إلى ذلك، تتعاون أكسيس أيضا مع مجموعات بحثية لتطوير تقنية تعزيز البيانات على مستوى الكائنات. من كائن واحد، يمكن للنظام توليد عدة تنويعات واقعية لتحسين جودة التدريب. Zy يمر بتجربة المشروع لأكثر من أسبوع الآن، وبصراحة كان ممتعا جدا. بعض المهام قد تبدو أحيانا بطيئة بعض الشيء، لكنها تعلم الصبر والمثابرة على طول الطريق أما بالنسبة للمجتمع، فلا يوجد ما يدعو للشكوى. الجميع نشطون، داعمون، ودائما مستعدون لمساعدة بعضهم البعض. خصوصا هذا الصباح، انضم زي وبعض أعضاء المجتمع إلى ديسكورد وبدأوا جلسة كاريوكي صغيرة معا 😂. كان ذلك للمتعة فقط، لكنه بطريقة ما خلق شعورا دافئا ومترابطا. لحظات كهذه هي ما يمنح الحياة حقا للمجتمع. نأمل أن نستمر جميعا في الحفاظ على هذه الطاقة الإيجابية، ودعم بعضنا البعض، والبقاء معا حتى نهاية رحلة ❤️ المحور شكرا جزيلا للجميع.