Baovy06
Baovy06
• HODL крізь грози, збирання плодів на сході місяця. • Позиція — це все. • Спокій перед хвилею, стійкий перед картою.
1 тис.Ви підписалися
1,1 тис.підписники
Новини
Новини
Цей світ....
Людей розділяють їхні власні слова, які вони відмовляються говорити.....
Ось чому всі поспішно поговорили з Зі... Зі завжди тут, чекає і слухає...
P/S Це вино смачно 🤭🤭 пити.
@quipnetwork @NucleusCodes @sleepagotchi
Baovy06
Ринок штучного інтелекту робототехніки зараз зростає неймовірно швидко.
Від егоцентричних відеоданих, систем захоплення руху, синтетичних конвеєрів даних до інструментів збору на основі грипера... Відчувається, ніби щотижня запускається нова компанія з робототехнічних даних.
Але справжня проблема така:
Не кожен тип даних корисний для тренування роботів.
Перед збором величезних обсягів даних найважливішим питанням має бути:
"Що саме ти тренуєш робота?"
PrismaX розділяє фізичний ШІ на дві основні категорії:
• Кінематичні моделі → орієнтовані на низькорівневе керування роботами.
Такі речі, як балансування, стрибки, переміщення, точність руху.
• Базові моделі → зосереджені на виконанні реальних завдань.
Такі речі, як миття посуду, відкриття дверей, вибір предметів, взаємодія з оточенням.
PrismaX зосереджена переважно на моделях основи — адже майбутнє потребує не лише роботів, які можуть робити сальто назад.
Потрібні роботи, які справді можуть допомагати людям у повсякденному житті.
Мені здалося цікавим, що PrismaX — це не просто «продаж даних робототехніки».
Вони заглиблюються у такі питання:
• який тип даних підходить для кожної моделі
• що насправді означають високоякісні дані робототехніки
• що має відрізнятися всередині наборів даних
• і що має залишатися послідовним для кращої конвергенції
Зараз індустрія робототехніки експериментує з різними способами збору даних:
• телеоперація → дистанційне керування роботами людьми
• Людське відео → навчання на основі відео, де люди виконують завдання
• системи грипперів → людей із використанням гусеничних інструментів, схожих на захоплювачів
Кожен метод має свої сильні та слабкі сторони.
Але PrismaX вважає, що телеоперація все одно надає дані найвищої якості, оскільки вона більш контрольована, точна та простіша у використанні для навчання базових моделей.
Найголовніший висновок для мене зі статті PrismaX такий:
"Робототехніка — це не просто дослідження ШІ.
Це також реальна інженерна проблема.»
Жодна компанія не має нескінченних грошей, нескінченних роботів чи нескінченного часу для навчання моделей.
Це означає, що набори даних не просто мають бути великими.
Їм потрібна правильна структура, правильний розподіл і правильна якість для ефективного навчання моделей.
Саме тому PrismaX зосереджується на контрольованих, якісних робототехнічних наборах даних, а не просто на масштабуванні
Ринок штучного інтелекту робототехніки зараз зростає неймовірно швидко.
Від егоцентричних відеоданих, систем захоплення руху, синтетичних конвеєрів даних до інструментів збору на основі грипера... Відчувається, ніби щотижня запускається нова компанія з робототехнічних даних.
Але справжня проблема така:
Не кожен тип даних корисний для тренування роботів.
Перед збором величезних обсягів даних найважливішим питанням має бути:
"Що саме ти тренуєш робота?"
PrismaX розділяє фізичний ШІ на дві основні категорії:
• Кінематичні моделі → орієнтовані на низькорівневе керування роботами.
Такі речі, як балансування, стрибки, переміщення, точність руху.
• Базові моделі → зосереджені на виконанні реальних завдань.
Такі речі, як миття посуду, відкриття дверей, вибір предметів, взаємодія з оточенням.
PrismaX зосереджена переважно на моделях основи — адже майбутнє потребує не лише роботів, які можуть робити сальто назад.
Потрібні роботи, які справді можуть допомагати людям у повсякденному житті.
Мені здалося цікавим, що PrismaX — це не просто «продаж даних робототехніки».
Вони заглиблюються у такі питання:
• який тип даних підходить для кожної моделі
• що насправді означають високоякісні дані робототехніки
• що має відрізнятися всередині наборів даних
• і що має залишатися послідовним для кращої конвергенції
Зараз індустрія робототехніки експериментує з різними способами збору даних:
• телеоперація → дистанційне керування роботами людьми
• Людське відео → навчання на основі відео, де люди виконують завдання
• системи грипперів → людей із використанням гусеничних інструментів, схожих на захоплювачів
Кожен метод має свої сильні та слабкі сторони.
Але PrismaX вважає, що телеоперація все одно надає дані найвищої якості, оскільки вона більш контрольована, точна та простіша у використанні для навчання базових моделей.
Найголовніший висновок для мене зі статті PrismaX такий:
"Робототехніка — це не просто дослідження ШІ.
Це також реальна інженерна проблема.»
Жодна компанія не має нескінченних грошей, нескінченних роботів чи нескінченного часу для навчання моделей.
Це означає, що набори даних не просто мають бути великими.
Їм потрібна правильна структура, правильний розподіл і правильна якість для ефективного навчання моделей.
Саме тому PrismaX зосереджується на контрольованих, якісних робототехнічних наборах даних, а не просто на масштабуванні
Звісно, сумувати з Ханоєм
Минуло багато часу з того моменту, як я відвідував Ханой
Легкий вітер Західного озера розпускає аромат лотоса
Зелено-червоне кафе з вогнями
Автомобілі їдуть вниз і вниз по деревах уздовж дороги з опалим листям
Кроки йдуть кожною вулицею
Посеред літа фенікс яскраво цвіте квітами
Світле сонце падає на кожну нитку під ґанком
Скільки спогадів пам'ятають наші серця......
@quipnetwork @NucleusCodes @sleepagotchi
Якщо ви були активними в екосистемі @sleepagotchi, зараз саме час перевірити свою відповідність вимогам
Проєкт офіційно запустив свій Creator Leaderboard на Nucleus Codes з величезним винагородним фондом у $120,000 у $SLEEP для творців і активних учасників спільноти.
Що робить Sleepagotchi цікавою — це те, що це не просто чергова web3-гра. Команда будується навколо сну-фантастики, гейміфікації та добробуту ШІ, створюючи унікальну екосистему, яка вирізняється серед типових проєктів GameFi.
Вони також залучили мільйони коштів і послідовно просували кампанії спільноти з сильною залученістю та надійними винагородами для користувачів.
Якщо ви вже виконували завдання, грали в їхні міні-ігри або підтримували проєкт у соцмережах, перевірте свою відповідність зараз
Приєднуйтесь зараз:
Цього тижня команда @axisrobotics продовжила вдосконалювати багато важливих частин своєї робототехнічної системи даних — від автоматичної генерації завдань і середовищ симуляції до відновлення після відмов і доповнення об'єктних даних.
Але для Zy те, що справді робить проєкт великим — це не лише сама технологія, а й підтримка та внесок спільноти.
І чим довше Зі залишається з Аксісом, тим більше це відчуття стає реальним.
Ось кілька оновлень, які цього тижня справді вразили Zy:
• Система генерації завдань була оновлена для кращого розуміння доступних об'єктів, розташування оточення та довгострокових робочих процесів у різних роботизованих версіях.
• Інфраструктура симуляції стала значно стабільнішою, особливо при тривалих завданнях або роботі з кількома об'єктами одночасно.
• Керування роботом було покращено на основі відгуків громади, особливо щодо захоплення, руху роботизованої руки та інтерфейсу керування.
• Одне з найцікавіших — це те, як команда використовує невдалі або майже невдалі дії роботів як нові навчальні дані. Це допомагає роботам навчитися відновлюватися після помилок, а не вчитися лише на успішних спробах.
Крім того, Axis співпрацює з дослідницькими групами для розробки технології доповнення даних на рівні об'єктів. З одного об'єкта система може генерувати кілька реалістичних варіацій для покращення якості навчання.
Zy працює над проєктом вже більше тижня, і чесно кажучи, це було досить приємно. Деякі завдання все ще іноді можуть здаватися трохи затримкою, але це також навчає терпінню та наполегливості на шляху
Щодо спільноти, то скаржитися нема на що. Всі активні, підтримують і завжди готові допомагати одне одному.
Особливо сьогодні вранці Зі та кілька членів спільноти приєдналися до Discord і почали разом невелику караоке-сесію 😂. Це було просто для розваги, але якось це створило дуже тепле і пов'язане відчуття. Саме такі моменти справді надають життя спільноті.
Сподіваюся, ми всі зможемо й надалі зберігати цю позитивну енергію, підтримувати одне одного і залишатися разом до самого кінця шляху ❤️ Осі
Щиро дякую всім.
Axis AI
Axis Weekly
Цього тижня ми продовжили посилювати наш закритий цикл робототехнічного конвеєру даних — від TaskGen та інфраструктури симуляції до відновлення після збоїв і доповнення на рівні активів.
Ключові оновлення:
- Генерація завдань: Ми завершили сканування активів і об'єднали його з TaskGen, допомагаючи згенерованим завданням орієнтуватися щодо доступних ресурсів, макетів сцен, довгострокових робочих процесів і налаштувань мультивтілення.
- Інфраструктура симуляції: Ми покращили робочі процеси верифікації, повтору та варіації сцени MuJoCo, з виправленнями щодо повторних завантажень, кешування, сумісності та стабільності багатоактивних завдань на довгому горизонті.
- Керування роботами: Ми очистили поведінку грипера, IK, телеоперацію та панель керування на основі зворотного зв'язку від завдань з довгостроковим горизонтом і мультиактивами.
Відновлення після збоїв: Ми продовжили будувати конвеєр, щоб перетворювати невдалі та майже невдалі захоплення стани на повторно використовувані дані для навчання відновлення.
- Доповнення активів: Разом з академічними колегами ми розробили напрямок покращення форми, який може розширити один початковий актив до багатьох фізично правдоподібних варіантів об'єктів.
Детальніше ознайомлення з прогресом 🧵 цього тижня
Поділилися: Baovy06
Melody Vietnam National Ambassador Program|Рекрутинг 1 лідера
Melody запускає Програму національних послів В'єтнаму для розвитку місцевих спільнот, поширення контенту та впливу офлайн. Ми залучаємо одного Національного посла для представлення Melody по всьому В'єтнаму та встановлення зв'язку з музичними фанатами, користувачами Web3 та творцями.
Канал подачі заявок:
#RWA #MusicFi #MELO
Поділилися: Baovy06
Axis Weekly
Цього тижня ми продовжили посилювати наш закритий цикл робототехнічного конвеєру даних — від TaskGen та інфраструктури симуляції до відновлення після збоїв і доповнення на рівні активів.
Ключові оновлення:
- Генерація завдань: Ми завершили сканування активів і об'єднали його з TaskGen, допомагаючи згенерованим завданням орієнтуватися щодо доступних ресурсів, макетів сцен, довгострокових робочих процесів і налаштувань мультивтілення.
- Інфраструктура симуляції: Ми покращили робочі процеси верифікації, повтору та варіації сцени MuJoCo, з виправленнями щодо повторних завантажень, кешування, сумісності та стабільності багатоактивних завдань на довгому горизонті.
- Керування роботами: Ми очистили поведінку грипера, IK, телеоперацію та панель керування на основі зворотного зв'язку від завдань з довгостроковим горизонтом і мультиактивами.
Відновлення після збоїв: Ми продовжили будувати конвеєр, щоб перетворювати невдалі та майже невдалі захоплення стани на повторно використовувані дані для навчання відновлення.
- Доповнення активів: Разом з академічними колегами ми розробили напрямок покращення форми, який може розширити один початковий актив до багатьох фізично правдоподібних варіантів об'єктів.
Детальніше ознайомлення з прогресом 🧵 цього тижня