Baovy06
Baovy06
• HODL tijdens onweersbuien, vruchten oogsten bij maanopkomst. • Positie maakt alles. • Kalm voor de golf, standvastig voor de horoscoop.
1KVolgend
1,1Kvolgers
Feed
Feed
Deze wereld….
Mensen groeien uit elkaar door de woorden die ze niet durven uit te spreken…..
Dus iedereen, wees moedig en praat met Zy…. Zy is hier altijd, wachtend en luisterend….
P/S deze drank is lekker, toch iedereen? 🤭🤭
@quipnetwork @NucleusCodes @sleepagotchi
Baovy06
De markt voor robotica AI groeit momenteel razendsnel.
Van egocentrische videodatasets, motion capture-systemen, synthetische datapijplijnen tot grijper-gebaseerde verzameltools… het voelt alsof er elke week een nieuw robotica data bedrijf wordt gelanceerd.
Maar het echte probleem is:
niet elk type data is nuttig voor het trainen van robots.
Voordat je enorme hoeveelheden data verzamelt, zou de belangrijkste vraag moeten zijn:
"Wat train je de robot precies om te doen?"
PrismaX verdeelt fysieke AI in 2 hoofd categorieën:
• Kinematica modellen → gericht op laag-niveau robotbesturing.
Dingen zoals balanceren, springen, voortbeweging, bewegingsprecisie.
• Fundamentele modellen → gericht op het uitvoeren van taken in de echte wereld.
Dingen zoals afwassen, deuren openen, objecten oppakken, interactie met omgevingen.
En PrismaX richt zich vooral op fundamentele modellen — omdat de toekomst niet alleen robots nodig heeft die salto’s kunnen maken.
Het heeft robots nodig die mensen daadwerkelijk kunnen helpen in het dagelijks leven.
Wat ik interessant vond is dat PrismaX niet simpelweg "robotica data verkoopt."
Ze gaan veel dieper in op:
• welk soort data bij elk model past
• wat hoogwaardige robotica data eigenlijk betekent
• wat er binnen datasets moet variëren
• en wat consistent moet blijven voor betere convergentie
Op dit moment experimenteert de robotica-industrie met verschillende manieren om data te verzamelen:
• teleoperatie → mensen die robots op afstand besturen
• menselijke video → trainen met video's van mensen die taken uitvoeren
• grijpersystemen → mensen die getrackte grijper-achtige tools gebruiken
Elke methode heeft zijn eigen sterke en zwakke punten.
Maar PrismaX gelooft dat teleoperatie nog steeds de hoogste kwaliteit data levert omdat het beter controleerbaar, nauwkeuriger en makkelijker te gebruiken is voor het trainen van fundamentele modellen.
De belangrijkste conclusie voor mij uit het artikel van PrismaX is dit:
"Robotica is niet alleen AI-onderzoek.
Het is ook een engineeringprobleem in de echte wereld."
Geen enkel bedrijf heeft oneindig geld, oneindig veel robots of oneindig veel tijd om modellen te trainen.
Dat betekent dat datasets niet alleen groot hoeven te zijn.
Ze hebben de juiste structuur, de juiste verdeling en de juiste kwaliteit nodig zodat modellen efficiënt kunnen leren.
En dat is precies waarom PrismaX zich sterk richt op gecontroleerde, hoogwaardige robotica datasets in plaats van simpelweg schaal na te jagen
De markt voor robotica AI groeit momenteel razendsnel.
Van egocentrische videodatasets, motion capture-systemen, synthetische datapijplijnen tot grijper-gebaseerde verzameltools… het voelt alsof er elke week een nieuw robotica data bedrijf wordt gelanceerd.
Maar het echte probleem is:
niet elk type data is nuttig voor het trainen van robots.
Voordat je enorme hoeveelheden data verzamelt, zou de belangrijkste vraag moeten zijn:
"Wat train je de robot precies om te doen?"
PrismaX verdeelt fysieke AI in 2 hoofd categorieën:
• Kinematica modellen → gericht op laag-niveau robotbesturing.
Dingen zoals balanceren, springen, voortbeweging, bewegingsprecisie.
• Fundamentele modellen → gericht op het uitvoeren van taken in de echte wereld.
Dingen zoals afwassen, deuren openen, objecten oppakken, interactie met omgevingen.
En PrismaX richt zich vooral op fundamentele modellen — omdat de toekomst niet alleen robots nodig heeft die salto’s kunnen maken.
Het heeft robots nodig die mensen daadwerkelijk kunnen helpen in het dagelijks leven.
Wat ik interessant vond is dat PrismaX niet simpelweg "robotica data verkoopt."
Ze gaan veel dieper in op:
• welk soort data bij elk model past
• wat hoogwaardige robotica data eigenlijk betekent
• wat er binnen datasets moet variëren
• en wat consistent moet blijven voor betere convergentie
Op dit moment experimenteert de robotica-industrie met verschillende manieren om data te verzamelen:
• teleoperatie → mensen die robots op afstand besturen
• menselijke video → trainen met video's van mensen die taken uitvoeren
• grijpersystemen → mensen die getrackte grijper-achtige tools gebruiken
Elke methode heeft zijn eigen sterke en zwakke punten.
Maar PrismaX gelooft dat teleoperatie nog steeds de hoogste kwaliteit data levert omdat het beter controleerbaar, nauwkeuriger en makkelijker te gebruiken is voor het trainen van fundamentele modellen.
De belangrijkste conclusie voor mij uit het artikel van PrismaX is dit:
"Robotica is niet alleen AI-onderzoek.
Het is ook een engineeringprobleem in de echte wereld."
Geen enkel bedrijf heeft oneindig geld, oneindig veel robots of oneindig veel tijd om modellen te trainen.
Dat betekent dat datasets niet alleen groot hoeven te zijn.
Ze hebben de juiste structuur, de juiste verdeling en de juiste kwaliteit nodig zodat modellen efficiënt kunnen leren.
En dat is precies waarom PrismaX zich sterk richt op gecontroleerde, hoogwaardige robotica datasets in plaats van simpelweg schaal na te jagen
Plotseling mis ik Hanoi
Het is al lang geleden dat ik Hanoi heb bezocht
De wind van Westmeer waait zacht en verspreidt de geur van lotus
Het café straalt groen en rood licht uit
Auto's rijden heen en weer, bladeren vallen langs de bomen aan de weg
Voeten wandelen door elke straat
Midden in de zomer bloeien de flamboyanten in felle kleuren
Zacht zonlicht valt in stralen onder de dakrand
Alle herinneringen maken mijn hart onrustig van verlangen……
@quipnetwork @NucleusCodes @sleepagotchi
Als je actief bent geweest in het @sleepagotchi-ecosysteem, is dit het moment om je geschiktheid te controleren
Het project heeft officieel zijn Creator Leaderboard gelanceerd op Nucleus Codes met een enorme beloningspot van $120.000 in $SLEEP voor creators en actieve communityleden.
Wat Sleepagotchi interessant maakt, is dat het niet zomaar een ander web3-spel is. Het team bouwt rondom sleep-fi, gamification en AI wellness, en creëert zo een uniek ecosysteem dat zich onderscheidt van typische GameFi-projecten.
Ze hebben ook miljoenen aan financiering opgehaald en voeren consequent communitycampagnes met sterke betrokkenheid en solide beloningen voor gebruikers.
Als je taken hebt uitgevoerd, hun minigames hebt gespeeld of het project eerder op sociale media hebt ondersteund, controleer dan nu je geschiktheid
Doe nu mee:
Deze week bleef het team van @axisrobotics veel belangrijke onderdelen van hun robotica-datasysteem verbeteren, van automatische taakgeneratie en simulatieomgevingen tot foutherstel en objectdata-augmentatie.
Maar voor Zy is wat een project echt ver brengt niet alleen de technologie zelf, maar ook de steun en bijdrage van de gemeenschap.
En hoe langer Zy bij Axis blijft, hoe meer dat gevoel werkelijkheid wordt.
Hier zijn een paar updates die deze week echt opvielen voor Zy:
• Het taakgeneratiesysteem is geüpgraded om beschikbare objecten, omgevingsindelingen en langetermijnwerkstromen over verschillende robotuitvoeringen beter te begrijpen.
• De simulatie-infrastructuur is nu veel stabieler, vooral bij het uitvoeren van lange taken of het tegelijk omgaan met meerdere objecten.
• Robotbesturingen zijn verbeterd op basis van feedback uit de gemeenschap, vooral voor grijpen, beweging van de robotarm en de besturingsinterface.
• Een van de meest interessante dingen is hoe het team mislukte of bijna mislukte robotacties gebruikt als nieuwe trainingsdata. Dit helpt robots te leren herstellen van fouten in plaats van alleen te leren van succesvolle pogingen.
Daarnaast werkt Axis ook samen met onderzoeksgroepen om objectniveau data-augmentatietechnologie te ontwikkelen. Vanuit één object kan het systeem meerdere realistische variaties genereren om de trainingskwaliteit te verbeteren.
Zy ervaart het project nu al meer dan een week, en eerlijk gezegd is het best leuk geweest. Sommige taken kunnen soms nog wat traag aanvoelen, maar het leert ook geduld en doorzettingsvermogen onderweg
Wat de gemeenschap betreft, is er echt niets om over te klagen. Iedereen is actief, ondersteunend en altijd bereid elkaar te helpen.
Vooral vanmorgen sloten Zy en een paar communityleden aan bij Discord en begonnen samen een kleine karaoke-sessie 😂 Het was gewoon voor de lol, maar het creëerde op de een of andere manier een heel warm en verbonden gevoel. Momenten als deze geven een gemeenschap echt leven.
Hopelijk kunnen we allemaal deze positieve energie blijven vasthouden, elkaar blijven steunen en samenblijven tot het allerlaatste van de Axis-reis ❤️
Heel erg bedankt allemaal.
Axis AI
Axis Weekly
Deze week hebben we onze gesloten-lus robotica-datapijplijn verder versterkt, van TaskGen en simulatie-infrastructuur tot foutherstel en asset-niveau augmentatie.
Belangrijke updates:
- Taakgeneratie: We hebben de asset-scan voltooid en geïntegreerd in TaskGen, wat helpt bij het genereren van taken die rekening houden met beschikbare assets, scène-indelingen, langetermijn workflows en multi-embodiment instellingen.
- Simulatie-infrastructuur: We hebben MuJoCo verify, replay en scène-variant workflows verbeterd, met fixes voor herhaalde downloads, caching, compatibiliteit en stabiliteit van langetermijn multi-asset taken.
- Robotbesturing: We hebben het gedrag van de grijper, IK, teleoperatie en het bedieningspaneel opgeschoond op basis van feedback van langetermijn en multi-asset taken.
- Foutherstel: We zijn doorgegaan met het bouwen van een pijplijn om mislukte en bijna-mislukte grijptoestanden om te zetten in herbruikbare data voor herstel leren.
- Asset-augmentatie: Samen met academische samenwerkingspartners hebben we een vorm-augmentatierichting ontwikkeld die één zaad-asset kan uitbreiden naar vele fysiek plausibele objectvarianten.
Een nadere blik op de vooruitgang van deze week 🧵
Baovy06 heeft opnieuw gepost
Melody Vietnam National Ambassador Program｜Werving van 1 Leider
Melody lanceert het Vietnam National Ambassador Program om lokale gemeenschappen, contentbereik en offline impact te vergroten. We werven 1 National Ambassador om Melody te vertegenwoordigen in heel Vietnam en contact te leggen met muziekliefhebbers, Web3-gebruikers en makers.
Aanmeldkanaal:
#RWA #MusicFi #MELO
Baovy06 heeft opnieuw gepost
Axis Weekly
Deze week hebben we onze gesloten-lus robotica-datapijplijn verder versterkt, van TaskGen en simulatie-infrastructuur tot foutherstel en asset-niveau augmentatie.
Belangrijke updates:
- Taakgeneratie: We hebben de asset-scan voltooid en geïntegreerd in TaskGen, wat helpt bij het genereren van taken die rekening houden met beschikbare assets, scène-indelingen, langetermijn workflows en multi-embodiment instellingen.
- Simulatie-infrastructuur: We hebben MuJoCo verify, replay en scène-variant workflows verbeterd, met fixes voor herhaalde downloads, caching, compatibiliteit en stabiliteit van langetermijn multi-asset taken.
- Robotbesturing: We hebben het gedrag van de grijper, IK, teleoperatie en het bedieningspaneel opgeschoond op basis van feedback van langetermijn en multi-asset taken.
- Foutherstel: We zijn doorgegaan met het bouwen van een pijplijn om mislukte en bijna-mislukte grijptoestanden om te zetten in herbruikbare data voor herstel leren.
- Asset-augmentatie: Samen met academische samenwerkingspartners hebben we een vorm-augmentatierichting ontwikkeld die één zaad-asset kan uitbreiden naar vele fysiek plausibele objectvarianten.
Een nadere blik op de vooruitgang van deze week 🧵