Baovy06
Baovy06
• HODL gjennom tordenvær, og høster frukt ved måneoppgang. • Posisjon utgjør alt. • Rolig før bølgen, stødig foran kartet.
1kFølger
1,1kfølgere
Feed
Feed
Interessant å se hvordan disse prosjektene stille bygger ulike deler av det neste onchain-økosystemet.
@NucleusCodes fokuserer på omdømme og identitetslag, mens Quantum Echoes presser NFT-er videre ved å bruke ekte kvantemaskinvare og verifiserbar tilfeldighet for hver mint.
@sleepagotchi gjør daglige søvnvaner om til en langsiktig engasjementsløyfe gjennom gamification, NFT-er og digital identitet.
I mellomtiden bygger @quipnetwork desentralisert kvanteberegningsinfrastruktur, og nå føles det som et smart trekk å koble den fortellingen til Quantum Echoes.
Det føles som om alle tre prosjektene beveger seg i samme retning:
Ekte brukeraktivitet, digital identitet og teknologidrevne økosystemer i stedet for kortsiktig hype 🦋
Denne verden....
Folk skilles av sine egne ord som de nekter å si noe.....
Derfor snakket alle med Zy i all hast.... Zy er alltid her, venter og lytter....
P/S: Denne vinen er deilig 🤭🤭 å drikke
@quipnetwork @NucleusCodes @sleepagotchi
Baovy06
Markedet for robotikk-AI vokser ekstremt raskt akkurat nå.
Fra egosentriske videodatasett, motion capture-systemer, syntetiske datapipelines til griperbaserte innsamlingsverktøy... Det føles som om et nytt robotdataselskap lanseres hver eneste uke.
Men det virkelige problemet er:
Ikke alle typer data er nyttige for å trene roboter.
Før man samler inn enorme mengder data, bør det viktigste spørsmålet være:
"Hva er det egentlig du trener roboten til å gjøre?"
PrismaX deler fysisk AI inn i to hovedkategorier:
• Kinematikkmodeller → fokusert på lavnivå robotkontroll.
Ting som balanse, hopping, bevegelse, bevegelsespresisjon.
• Grunnlagsmodeller → fokusert på å fullføre virkelige oppgaver.
Ting som å vaske opp, åpne dører, plukke gjenstander, samhandle med omgivelsene.
Og PrismaX fokuserer hovedsakelig på grunnmodeller — fordi fremtiden ikke bare trenger roboter som kan gjøre baklengs saltoer.
Den trenger roboter som faktisk kan hjelpe mennesker i dagliglivet.
Det jeg syntes var interessant, er at PrismaX ikke bare «selger robotdata».
De går mye dypere inn i:
• hvilken type data som passer til hver modell
• hva robotikkdata av høy kvalitet faktisk betyr
• hva som bør variere i datasett
• og hva som bør forbli konsistent for bedre konvergens
Akkurat nå eksperimenterer robotikkindustrien med ulike måter å samle data på:
• teleoperasjon → mennesker som fjernstyrer roboter
• menneskelig video → opplæring fra videoer av folk som utfører oppgaver
• gripersystemer → mennesker ved bruk av sporede griper-lignende verktøy
Hver metode har sine egne styrker og svakheter.
Men PrismaX mener at teleoperasjon fortsatt gir data av høyeste kvalitet fordi det er mer kontrollerbart, mer nøyaktig og enklere å bruke for å trene grunnlagsmodeller.
Det viktigste budskapet for meg fra PrismaX sin artikkel er dette:
"Robotikk er ikke bare AI-forskning.
Det er også et ingeniørproblem i den virkelige verden."
Ingen selskap har uendelig med penger, uendelige roboter eller uendelig tid til å trene modeller.
Det betyr at datasett ikke bare trenger å være store.
De trenger riktig struktur, riktig distribusjon og riktig kvalitet for at modellene skal kunne lære effektivt.
Og det er nettopp derfor PrismaX fokuserer sterkt på kontrollerte, høykvalitets robotdatasett i stedet for bare å jakte på skala
Markedet for robotikk-AI vokser ekstremt raskt akkurat nå.
Fra egosentriske videodatasett, motion capture-systemer, syntetiske datapipelines til griperbaserte innsamlingsverktøy... Det føles som om et nytt robotdataselskap lanseres hver eneste uke.
Men det virkelige problemet er:
Ikke alle typer data er nyttige for å trene roboter.
Før man samler inn enorme mengder data, bør det viktigste spørsmålet være:
"Hva er det egentlig du trener roboten til å gjøre?"
PrismaX deler fysisk AI inn i to hovedkategorier:
• Kinematikkmodeller → fokusert på lavnivå robotkontroll.
Ting som balanse, hopping, bevegelse, bevegelsespresisjon.
• Grunnlagsmodeller → fokusert på å fullføre virkelige oppgaver.
Ting som å vaske opp, åpne dører, plukke gjenstander, samhandle med omgivelsene.
Og PrismaX fokuserer hovedsakelig på grunnmodeller — fordi fremtiden ikke bare trenger roboter som kan gjøre baklengs saltoer.
Den trenger roboter som faktisk kan hjelpe mennesker i dagliglivet.
Det jeg syntes var interessant, er at PrismaX ikke bare «selger robotdata».
De går mye dypere inn i:
• hvilken type data som passer til hver modell
• hva robotikkdata av høy kvalitet faktisk betyr
• hva som bør variere i datasett
• og hva som bør forbli konsistent for bedre konvergens
Akkurat nå eksperimenterer robotikkindustrien med ulike måter å samle data på:
• teleoperasjon → mennesker som fjernstyrer roboter
• menneskelig video → opplæring fra videoer av folk som utfører oppgaver
• gripersystemer → mennesker ved bruk av sporede griper-lignende verktøy
Hver metode har sine egne styrker og svakheter.
Men PrismaX mener at teleoperasjon fortsatt gir data av høyeste kvalitet fordi det er mer kontrollerbart, mer nøyaktig og enklere å bruke for å trene grunnlagsmodeller.
Det viktigste budskapet for meg fra PrismaX sin artikkel er dette:
"Robotikk er ikke bare AI-forskning.
Det er også et ingeniørproblem i den virkelige verden."
Ingen selskap har uendelig med penger, uendelige roboter eller uendelig tid til å trene modeller.
Det betyr at datasett ikke bare trenger å være store.
De trenger riktig struktur, riktig distribusjon og riktig kvalitet for at modellene skal kunne lære effektivt.
Og det er nettopp derfor PrismaX fokuserer sterkt på kontrollerte, høykvalitets robotdatasett i stedet for bare å jakte på skala
Naturligvis savner Hanoi
Det er lenge siden jeg besøkte Hanoi
Den milde West Lake-vinden blåser lotusduft
Grønn og rød kafé med lys
Biler kjører ned og ned trær langs veien med falne blader
Føtter som går gjennom hver gate
Midt på sommeren blomstrer føniksen sterkt med blomster
Den lette solen faller på hver tråd under verandaen
Hvor mange minner husker hjertene våre......
@quipnetwork @NucleusCodes @sleepagotchi
Hvis du har vært aktiv i @sleepagotchi-økosystemet, er det nå du bør sjekke om du er kvalifisert
Prosjektet har offisielt lansert sin Creator Leaderboard på Nucleus Codes med en massiv belønningspool på 120 000 dollar i $SLEEP for skapere og aktive medlemmer av fellesskapet.
Det som gjør Sleepagotchi interessant, er at det ikke bare er et annet web3-spill. Teamet bygger rundt sleep-fi, gamification og AI-velvære, og skaper et unikt økosystem som skiller seg ut fra typiske GameFi-prosjekter.
De har også samlet inn millioner i finansiering og konsekvent drevet fellesskapskampanjer med sterk engasjement og solide belønninger til brukerne.
Hvis du har gjort oppgaver, spilt minispillene deres eller støttet prosjektet på sosiale medier før, sjekk om du er kvalifisert nå
Bli med nå:
Baovy06 lagt ut på nytt
Melody Vietnam National Ambassador Program|Rekruttering av 1 leder
Melody lanserer Vietnam National Ambassador Program for å utvide lokalsamfunn, innholdskontakt og offline påvirkning. Vi rekrutterer én nasjonal ambassadør for å representere Melody i hele Vietnam og knytte kontakt med musikkfans, Web3-brukere og skapere.
Applikasjonskanal:
#RWA #MusicFi #MELO
