Baovy06

GN FAMS Una cosa que he estado notando últimamente es cómo Web3 está empezando a encajar de forma natural en las rutinas diarias. Antes de desconectarme esta noche, revisé mi progreso en @sleepagotchi. Es refrescante ver un proyecto que convierte algo tan simple como el descanso y la constancia en una experiencia significativa en lugar de solo otro ciclo de farming. Al mismo tiempo, he estado confiando en @quipnetwork para mantener todo seguro mientras me muevo entre diferentes ecosistemas. Cuanto más activa se vuelve la vida onchain, más importante se siente la seguridad confiable. También tengo curiosidad por la dirección que está tomando @NucleusCodes con la infraestructura y la escalabilidad. Hay un cambio notable donde los equipos se están enfocando menos en el ruido y más en hacer que la cripto sea realmente usable a largo plazo. Y honestamente, plataformas como @wallchain siguen demostrando que la atención y el compromiso se están convirtiendo en activos digitales reales por sí mismos. Nada enorme de la noche a la mañana, solo pequeños hábitos, pequeñas interacciones y una participación constante que se acumula con el tiempo. GN a todos

La temporada de RWA ya está en auge, te hayas dado cuenta o no. ¡Vamos a surfear esta enorme ola juntos! 🌊 #RWA #MusicFi #Spotify

El mercado de la IA en robótica está creciendo increíblemente rápido en este momento. Desde conjuntos de datos de vídeo egocéntricos, sistemas de captura de movimiento, pipelines de datos sintéticos hasta herramientas de recolección basadas en pinzas… parece que cada semana se lanza una nueva empresa de datos de robótica. Pero el verdadero problema es: no todos los tipos de datos son útiles para entrenar robots. Antes de recopilar grandes cantidades de datos, la pregunta más importante debería ser: “¿Qué exactamente estás entrenando al robot para hacer?” PrismaX divide la IA física en 2 categorías principales: • Modelos cinemáticos → enfocados en el control de bajo nivel del robot. Cosas como equilibrio, saltos, locomoción, precisión de movimiento. • Modelos base → enfocados en completar tareas del mundo real. Cosas como lavar platos, abrir puertas, recoger objetos, interactuar con entornos. Y PrismaX se centra principalmente en los modelos base — porque el futuro no solo necesita robots que puedan hacer volteretas. Necesita robots que realmente puedan ayudar a los humanos en la vida diaria. Lo que encontré interesante es que PrismaX no se limita a “vender datos de robótica.” Van mucho más allá en: • qué tipo de datos encajan en cada modelo • qué significa realmente datos de robótica de alta calidad • qué debería variar dentro de los conjuntos de datos • y qué debería mantenerse consistente para una mejor convergencia Ahora mismo, la industria de la robótica está experimentando con diferentes formas de recopilar datos: • teleoperación → humanos controlando robots a distancia • vídeo humano → entrenamiento a partir de vídeos de personas realizando tareas • sistemas de pinzas → humanos usando herramientas similares a pinzas rastreadas Cada método tiene sus propias fortalezas y debilidades. Pero PrismaX cree que la teleoperación sigue proporcionando los datos de mayor calidad porque es más controlable, más precisa y más fácil de usar para entrenar modelos base. La mayor conclusión para mí del artículo de PrismaX es esta: “La robótica no es solo investigación en IA. También es un problema de ingeniería del mundo real.” Ninguna empresa tiene dinero infinito, robots infinitos o tiempo infinito para entrenar modelos. Eso significa que los conjuntos de datos no solo necesitan ser grandes. Necesitan la estructura correcta, la distribución adecuada y la calidad precisa para que los modelos aprendan de manera eficiente. Y por eso PrismaX se está enfocando fuertemente en conjuntos de datos de robótica controlados y de alta calidad en lugar de simplemente perseguir la escala