Baovy06
Baovy06
• HODL melalui badai petir, menuai buah saat bulan terbit. • Posisi membuat semuanya. • Tenang sebelum gelombang, teguh di depan grafik.
1 rbMengikuti
1,1 rbpengikut
Feed
Feed
Menarik untuk melihat bagaimana proyek-proyek ini diam-diam membangun berbagai bagian dari ekosistem onchain berikutnya.
@NucleusCodes berfokus pada reputasi dan lapisan identitas, sementara Quantum Echoes mendorong NFT lebih jauh dengan menggunakan perangkat keras kuantum nyata dan keacakan yang dapat diverifikasi untuk setiap mint.
@sleepagotchi mengubah kebiasaan tidur sehari-hari menjadi lingkaran keterlibatan jangka panjang melalui gamifikasi, NFT, dan identitas digital.
Sementara itu @quipnetwork sedang membangun infrastruktur komputasi kuantum yang terdesentralisasi, dan sekarang menghubungkan narasi itu dengan Quantum Echoes terasa seperti langkah cerdas.
Rasanya ketiga proyek bergerak ke arah yang sama:
aktivitas pengguna nyata, identitas digital, dan ekosistem berbasis teknologi alih-alih hype 🦋 jangka pendek
Dunia ini....
Orang-orang dipisahkan oleh kata-kata mereka sendiri yang mereka tolak untuk diucapkan.....
Itu sebabnya semua orang hanya berbicara dengan Zy dengan tergesa-gesa .... Zy selalu di sini menunggu dan mendengarkan ....
P/S Anggur ini enak 🤭🤭 untuk diminum
@quipnetwork @NucleusCodes @sleepagotchi
Baovy06
Pasar AI robotika tumbuh sangat cepat saat ini.
Dari kumpulan data video egosentris, sistem penangkapan gerak, alur data sintetis hingga alat pengumpulan berbasis gripper ... Rasanya seperti perusahaan data robotika baru diluncurkan setiap minggu.
Tapi masalah sebenarnya adalah:
Tidak semua jenis data berguna untuk melatih robot.
Sebelum mengumpulkan data dalam jumlah besar, pertanyaan terpenting adalah:
"Apa sebenarnya yang kamu latih robot untuk lakukan?"
PrismaX memecah AI fisik menjadi 2 kategori utama:
• Model kinematika → berfokus pada kontrol robot tingkat rendah.
Hal-hal seperti menyeimbangkan, melompat, gerak, presisi gerakan.
• Model fondasi → berfokus pada penyelesaian tugas dunia nyata.
Hal-hal seperti mencuci piring, membuka pintu, memilih objek, berinteraksi dengan lingkungan.
Dan PrismaX terutama berfokus pada model fondasi - karena masa depan tidak hanya membutuhkan robot yang dapat melakukan backflip.
Dibutuhkan robot yang benar-benar dapat membantu manusia dalam kehidupan sehari-hari.
Yang menurut saya menarik adalah bahwa PrismaX tidak hanya "menjual data robotika."
Mereka masuk lebih dalam ke dalam:
• jenis data apa yang cocok untuk setiap model
• Apa arti sebenarnya data robotika berkualitas tinggi
• apa yang harus bervariasi di dalam kumpulan data
• dan apa yang harus tetap konsisten untuk konvergensi yang lebih baik
Saat ini, industri robotika sedang bereksperimen dengan berbagai cara mengumpulkan data:
• teleoperasi → manusia yang mengendalikan robot dari jarak jauh
• pelatihan → video manusia dari video orang yang melakukan tugas
• Sistem gripper → manusia menggunakan alat seperti gripper yang dilacak
Setiap metode memiliki kekuatan dan kelemahannya masing-masing.
Tetapi PrismaX percaya teleoperasi masih memberikan data dengan kualitas tertinggi karena lebih dapat dikendalikan, lebih akurat, dan lebih mudah digunakan untuk melatih model fondasi.
Pelajaran terbesar bagi saya dari artikel PrismaX adalah ini:
"Robotika bukan hanya penelitian AI.
Ini juga masalah teknik dunia nyata."
Tidak ada perusahaan yang memiliki uang tak terbatas, robot tak terbatas, atau waktu tak terbatas untuk melatih model.
Itu berarti kumpulan data tidak hanya harus besar.
Mereka membutuhkan struktur yang tepat, distribusi yang tepat, dan kualitas yang tepat bagi model untuk belajar secara efisien.
Dan itulah mengapa PrismaX sangat berfokus pada kumpulan data robotika yang terkontrol dan berkualitas tinggi alih-alih hanya mengejar skala
Pasar AI robotika tumbuh sangat cepat saat ini.
Dari kumpulan data video egosentris, sistem penangkapan gerak, alur data sintetis hingga alat pengumpulan berbasis gripper ... Rasanya seperti perusahaan data robotika baru diluncurkan setiap minggu.
Tapi masalah sebenarnya adalah:
Tidak semua jenis data berguna untuk melatih robot.
Sebelum mengumpulkan data dalam jumlah besar, pertanyaan terpenting adalah:
"Apa sebenarnya yang kamu latih robot untuk lakukan?"
PrismaX memecah AI fisik menjadi 2 kategori utama:
• Model kinematika → berfokus pada kontrol robot tingkat rendah.
Hal-hal seperti menyeimbangkan, melompat, gerak, presisi gerakan.
• Model fondasi → berfokus pada penyelesaian tugas dunia nyata.
Hal-hal seperti mencuci piring, membuka pintu, memilih objek, berinteraksi dengan lingkungan.
Dan PrismaX terutama berfokus pada model fondasi - karena masa depan tidak hanya membutuhkan robot yang dapat melakukan backflip.
Dibutuhkan robot yang benar-benar dapat membantu manusia dalam kehidupan sehari-hari.
Yang menurut saya menarik adalah bahwa PrismaX tidak hanya "menjual data robotika."
Mereka masuk lebih dalam ke dalam:
• jenis data apa yang cocok untuk setiap model
• Apa arti sebenarnya data robotika berkualitas tinggi
• apa yang harus bervariasi di dalam kumpulan data
• dan apa yang harus tetap konsisten untuk konvergensi yang lebih baik
Saat ini, industri robotika sedang bereksperimen dengan berbagai cara mengumpulkan data:
• teleoperasi → manusia yang mengendalikan robot dari jarak jauh
• pelatihan → video manusia dari video orang yang melakukan tugas
• Sistem gripper → manusia menggunakan alat seperti gripper yang dilacak
Setiap metode memiliki kekuatan dan kelemahannya masing-masing.
Tetapi PrismaX percaya teleoperasi masih memberikan data dengan kualitas tertinggi karena lebih dapat dikendalikan, lebih akurat, dan lebih mudah digunakan untuk melatih model fondasi.
Pelajaran terbesar bagi saya dari artikel PrismaX adalah ini:
"Robotika bukan hanya penelitian AI.
Ini juga masalah teknik dunia nyata."
Tidak ada perusahaan yang memiliki uang tak terbatas, robot tak terbatas, atau waktu tak terbatas untuk melatih model.
Itu berarti kumpulan data tidak hanya harus besar.
Mereka membutuhkan struktur yang tepat, distribusi yang tepat, dan kualitas yang tepat bagi model untuk belajar secara efisien.
Dan itulah mengapa PrismaX sangat berfokus pada kumpulan data robotika yang terkontrol dan berkualitas tinggi alih-alih hanya mengejar skala
Tentu saja merindukan Hanoi
Sudah lama sejak saya mengunjungi Hanoi
Angin Danau Barat yang lembut meniup aroma teratai
Kafe hijau dan merah dengan lampu
Mobil tumbang dan menurunkan pohon di sepanjang jalan dengan daun yang rontok
Kaki berjalan di setiap jalan
Di tengah musim panas, phoenix mekar cerah dengan bunga
Matahari yang terang jatuh di setiap helai di bawah teras
Berapa banyak kenangan yang diingat hati kita......
@quipnetwork @NucleusCodes @sleepagotchi
Jika Anda pernah aktif di ekosistem @sleepagotchi, sekaranglah saatnya untuk memeriksa kelayakan Anda
Proyek ini telah secara resmi meluncurkan Papan Peringkat Kreator di Nucleus Codes dengan kumpulan hadiah sebesar $120.000 dalam $SLEEP untuk pembuat konten dan anggota komunitas aktif.
Apa yang membuat Sleepagotchi menarik adalah bahwa ini bukan hanya game web3 lainnya. Tim ini membangun di sekitar sleep-fi, gamifikasi, dan kesehatan AI, menciptakan ekosistem unik yang menonjol dari proyek GameFi pada umumnya.
Mereka juga telah mengumpulkan jutaan dana dan secara konsisten mendorong kampanye komunitas dengan keterlibatan yang kuat dan hadiah yang solid bagi pengguna.
Jika Anda telah mengerjakan tugas, memainkan mini game mereka, atau mendukung proyek di media sosial sebelumnya, periksa kelayakan Anda sekarang
Bergabung sekarang:
Baovy06 diposting ulang
Program Duta Nasional Melody Vietnam|Merekrut 1 Pemimpin
Melody meluncurkan Program Duta Nasional Vietnam untuk menumbuhkan komunitas lokal, penjangkauan konten, dan dampak offline. Kami merekrut 1 Duta Nasional untuk mewakili Melody di seluruh Vietnam dan terhubung dengan penggemar musik, pengguna Web3, dan pembuat konten.
Saluran aplikasi:
#RWA #MusicFi #MELO
