Baovy06

GN FAMS Un lucru pe care l-am observat recent este cât de natural începe să se integreze Web3 în rutina zilnică. Înainte să mă deconectez în seara asta, mi-am verificat progresul pe @sleepagotchi. Este revigorant să vezi un proiect transformând ceva atât de simplu precum odihna și consistența într-o experiență semnificativă, în loc de un alt ciclu de farming. În același timp, m-am bazat pe @quipnetwork pentru a menține totul sigur în timp ce mă deplasez prin diferite ecosisteme. Cu cât viața onchain devine mai activă, cu atât securitatea fiabilă este mai importantă. Sunt, de asemenea, curios în ce direcție @NucleusCodes ia în ceea ce privește infrastructura și scalarea. Se observă o schimbare în care echipele se concentrează mai puțin pe zgomot și mai mult pe a face crypto cu adevărat utilizabilă pe termen lung. Și sincer, platforme ca @wallchain demonstrează mereu că atenția și implicarea devin active digitale reale în sine. Nimic uriaș peste noapte, doar obiceiuri mici, interacțiuni mici și participare constantă care se adună în timp. GN toată lumea

Sezonul RWA este deja în plină viteză — fie că ai observat sau nu. Hai să călărim împreună acest val uriaș! 🌊 #RWA #MusicFi #Spotify

Piața AI robotică crește incredibil de rapid în acest moment. De la seturi video egocentrice, sisteme de captare a mișcării, canale de date sintetice până la instrumente de colectare bazate pe gripper... Se simte ca și cum o nouă companie de date în robotică ar fi lansată în fiecare săptămână. Dar adevărata problemă este: Nu toate tipurile de date sunt utile pentru antrenarea roboților. Înainte de a colecta cantități masive de date, cea mai importantă întrebare ar trebui să fie: "Ce anume antrenezi robotul să facă?" PrismaX împarte AI-ul fizic în 2 categorii majore: • Modelele cinematice → axate pe controlul roboților la nivel scăzut. Lucruri precum echilibrarea, săriturile, locomoția, precizia mișcării. • Modelele de bază → concentrate pe îndeplinirea sarcinilor din lumea reală. Lucruri precum spălatul vaselor, deschiderea ușilor, alegerea obiectelor, interacțiunea cu mediul. Iar PrismaX se concentrează în principal pe modele de fundație — pentru că viitorul nu are nevoie doar de roboți care pot face backflip-uri. Are nevoie de roboți care chiar pot ajuta oamenii în viața de zi cu zi. Ce mi s-a părut interesant este că PrismaX nu "vinde pur și simplu date despre robotică". Ele merg mult mai adânc în: • ce fel de date se potrivesc fiecărui model • ce înseamnă de fapt datele robotice de înaltă calitate • ce ar trebui să varieze în cadrul seturilor de date • și ce ar trebui să rămână consistent pentru o convergență mai bună În acest moment, industria roboticii experimentează diferite modalități de colectare a datelor: • teleoperare → oameni care controlează roboții de la distanță • → video uman de instruire pornind de la videoclipuri cu persoane care îndeplinesc sarcini • Sisteme de prindere → oameni folosind unelte asemănătoare cu șenile Fiecare metodă are propriile puncte forte și slăbiciuni. Dar PrismaX consideră că teleoperarea oferă în continuare cele mai calitative date deoarece este mai controlabilă, mai precisă și mai ușor de folosit pentru antrenarea modelelor de bază. Cea mai importantă concluzie pentru mine din articolul PrismaX este următoarea: "Robotica nu este doar cercetare AI. Este, de asemenea, o problemă de inginerie reală." Nicio companie nu are bani infiniti, roboți infiniti sau timp infinit pentru a antrena modele. Asta înseamnă că seturile de date nu trebuie doar să fie mari. Au nevoie de structura potrivită, distribuția corectă și calitatea potrivită pentru ca modelele să învețe eficient. Și tocmai de aceea PrismaX se concentrează intens pe seturi de date robotice controlate și de înaltă calitate, în loc să urmărească doar scara