Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

【Live2D小技巧分享】來分享一個還滿常用到的 Live2D 物理應用：利用物理運算模擬三路開關的運作邏輯。如影片所示，只需要一組物理對衝的參數，就能把三路開關做出來了。甚至不需要緩衝的空參數，很簡單吧！☺️ 這個技巧能運用在很多地方，像是讓同一組物理在不同情況下切換不同的運作方式，或是在播放動畫時暫時關閉原本的物理效果，都是很實用的應用方式。例如動畫播放時，不希望原本的物理運算影響效果，就可以透過這種方式進行切換。 Live2D不只是學數學，有時候還會順便學到一點電子學（笑 #Live2D #SODAART

【SODAART】Red SodaのLive2D

23,003 subscribers

12,649 Aufrufe • vor 1 Monat •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

【Live2D小技巧分享】昨天有一個同學敲我問我個製作問題: 他前面衣服的長條布做了三段物理, 可是看起來沒有很柔軟,怎麼才能讓布飄起來再更軟一點? 幫同學看了一下, 同學三段處理的其實已經滿好的(影片前半段) 滿多人製作這類布飄, 大致也都是使用多層曲面去包覆圖層物件的處理方式. 看起來物理晃動的參數也滿合理適中的. 不過因為前面三段都是讓布的左右兩側維持著均寬, 我個人覺得如果要讓布看起來更軟的話, 可以將布的下擺再做一段翻面處理, 這樣就會多一段縱向的深度, 不會只有橫向的擺動. 會讓布動起來更有立體感,也會看起來更軟些. 同學可以試看看~😊 *範例為影片的X4 , X5是我為了不要讓X4看起來太單調再追加的一小段尾巴 *X4可以用曲面做,也可以用圖層物件製作. 我個人喜歡最底層用圖層物件處理. *Y軸也可以加上去,效果會更自然.不過不是這題的範圍就先掠過 #Live2D

【Live2D小技巧分享】昨天有一個同學敲我問我個製作問題: 他前面衣服的長條布做了三段物理, 可是看起來沒有很柔軟,怎麼才能讓布飄起來再更軟一點? 幫同學看了一下, 同學三段處理的其實已經滿好的(影片前半段) 滿多人製作這類布飄, 大致也都是使用多層曲面去包覆圖層物件的處理方式. 看起來物理晃動的參數也滿合理適中的. 不過因為前面三段都是讓布的左右兩側維持著均寬, 我個人覺得如果要讓布看起來更軟的話, 可以將布的下擺再做一段翻面處理, 這樣就會多一段縱向的深度, 不會只有橫向的擺動. 會讓布動起來更有立體感,也會看起來更軟些. 同學可以試看看~😊 範例為影片的X4 , X5是我為了不要讓X4看起來太單調再追加的一小段尾巴 X4可以用曲面做,也可以用圖層物件製作. 我個人喜歡最底層用圖層物件處理. *Y軸也可以加上去,效果會更自然.不過不是這題的範圍就先掠過 #Live2D

【SODAART】Red SodaのLive2D

11,017 Aufrufe • vor 7 Monaten

Live2D變形器繼承操作，也是我很常運用的建模技巧，利用這方式來使建模的速度加快，且只要改變一點方法就會變成更多有趣的特效動畫。 #Live2DWIP

Live2D變形器繼承操作，也是我很常運用的建模技巧，利用這方式來使建模的速度加快，且只要改變一點方法就會變成更多有趣的特效動畫。 #Live2DWIP

阿卡貓｜LIVE2D建模師⭐委託開放中⭐

29,398 Aufrufe • vor 1 Jahr

【小技巧分享】最近看到一個火焰的作法，一樣用反向遮罩來處理火的邊緣，不過是整片一起處理，就不用一片一片去刮，處理起來滿簡單的. 不過用這個方法就需要做一片頭尾能夠循環的遮罩，應該有不少同學還不知道怎麼做這種「首尾相連」的循環圖，我以前待遊戲公司的時候還滿常用到的，像是地板材質、草皮之類的素材都會需要這種技巧。簡單來說，就是把你想要循環的圖層，套用濾鏡 > 其他 > 畫面錯位（Offset）這個功能。它可以讓圖層水平或垂直位移，把圖的邊緣移到中間來，這樣就能專心處理最難銜接的中間區域，改完再移回來就搞定啦！有興趣的同學可以試試看喔～😊 #SODAART #RedSoda

【小技巧分享】最近看到一個火焰的作法，一樣用反向遮罩來處理火的邊緣，不過是整片一起處理，就不用一片一片去刮，處理起來滿簡單的. 不過用這個方法就需要做一片頭尾能夠循環的遮罩，應該有不少同學還不知道怎麼做這種「首尾相連」的循環圖，我以前待遊戲公司的時候還滿常用到的，像是地板材質、草皮之類的素材都會需要這種技巧。簡單來說，就是把你想要循環的圖層，套用濾鏡 > 其他 > 畫面錯位（Offset）這個功能。它可以讓圖層水平或垂直位移，把圖的邊緣移到中間來，這樣就能專心處理最難銜接的中間區域，改完再移回來就搞定啦！有興趣的同學可以試試看喔～😊 #SODAART #RedSoda

【SODAART】Red SodaのLive2D

46,602 Aufrufe • vor 1 Jahr

【 Live2D 物理系統詳解 ✨ 】很多人剛接觸 Live2D 時，最容易卡住的部分之一，就是「物理系統」的調整。為什麼頭髮擺動不自然？為什麼耳朵會亂飄？為什麼參數一動，整體重量感就不對了？這次的教學影片，會詳細拆解 Live2D 物理系統的核心邏輯，包含參數連接、慣性表現、延遲感、重量感與自然擺動的調整思路 💫 從基礎概念到實際應用，一步一步帶你理解物理系統到底該怎麼做，讓模型動態更加自然流暢 ✨ #Live2D #Live2DTutorial #Live2DWIP

【 Live2D 物理系統詳解 ✨ 】很多人剛接觸 Live2D 時，最容易卡住的部分之一，就是「物理系統」的調整。為什麼頭髮擺動不自然？為什麼耳朵會亂飄？為什麼參數一動，整體重量感就不對了？這次的教學影片，會詳細拆解 Live2D 物理系統的核心邏輯，包含參數連接、慣性表現、延遲感、重量感與自然擺動的調整思路 💫 從基礎概念到實際應用，一步一步帶你理解物理系統到底該怎麼做，讓模型動態更加自然流暢 ✨ #Live2D #Live2DTutorial #Live2DWIP

Autosave💫Live2d

14,540 Aufrufe • vor 1 Monat

【Live2D Tips】05 循環自動搖尾巴誰不想要一條毛毛蓬蓬的尾巴呢🐕 要怎麼做才能讓尾巴可以自動搖晃？其實很簡單💡 1分鐘學會用路徑蒙皮設定物理參數！ #Live2D #教學 #妄想販售屋

【Live2D Tips】05 循環自動搖尾巴誰不想要一條毛毛蓬蓬的尾巴呢🐕 要怎麼做才能讓尾巴可以自動搖晃？其實很簡單💡 1分鐘學會用路徑蒙皮設定物理參數！ #Live2D #教學 #妄想販售屋

Zonecha宗茶✧ Live2D VT模型師

39,864 Aufrufe • vor 2 Jahren

【Live2D Tips】03 頭髮物理眉角有夠多❗️❓ 要分幾段？幾個參數？要用變形器還是變形路徑啊？😖💫 不用緊張！照著步驟一步一步做試著做出四種不同搖擺程度的頭髮吧~ #Live2D #教學 #妄想販售屋

【Live2D Tips】03 頭髮物理眉角有夠多❗️❓ 要分幾段？幾個參數？要用變形器還是變形路徑啊？😖💫 不用緊張！照著步驟一步一步做試著做出四種不同搖擺程度的頭髮吧~ #Live2D #教學 #妄想販售屋

Zonecha宗茶✧ Live2D VT模型師

59,235 Aufrufe • vor 2 Jahren

【教學相關】動畫概念班第三期開報名要進入第三週, 也是最後一周了哦!(將於10/13結束報名) 這邊有這次班級的新消息要公布一下: 「本期我們追加一周的spine2D講座」因為有不少同學希望能補充spine2D與Live2D相似的地方，且在不同的案子及動態表現上兩套軟體間的取捨上也有不少心得想與同學們分享！所以決定增設這堂補充說明課程, 阿哲老師將結合以往使用spine2D接案的實務經驗，整合出剛好讓上完Live2D動畫製作的同學們都能直接吸收運用的spine2D知識。這期課程加量不加價, 希望能給同學更多的知識吸收! 「spine2D講座 - 阿哲」將於課程第七周 - 共兩堂六小時內容主要結合前五周教學的動畫概念，將在Live2D上學到的製作流程轉移至spine2D上製作動態。會一邊教大家使用基礎的spine工具運用並與Live2D的功能做連結，一邊帶大家走過一遍Q版建模與動畫製作。

【教學相關】動畫概念班第三期開報名要進入第三週, 也是最後一周了哦!(將於10/13結束報名) 這邊有這次班級的新消息要公布一下: 「本期我們追加一周的spine2D講座」因為有不少同學希望能補充spine2D與Live2D相似的地方，且在不同的案子及動態表現上兩套軟體間的取捨上也有不少心得想與同學們分享！所以決定增設這堂補充說明課程, 阿哲老師將結合以往使用spine2D接案的實務經驗，整合出剛好讓上完Live2D動畫製作的同學們都能直接吸收運用的spine2D知識。這期課程加量不加價, 希望能給同學更多的知識吸收! 「spine2D講座 - 阿哲」將於課程第七周 - 共兩堂六小時內容主要結合前五周教學的動畫概念，將在Live2D上學到的製作流程轉移至spine2D上製作動態。會一邊教大家使用基礎的spine工具運用並與Live2D的功能做連結，一邊帶大家走過一遍Q版建模與動畫製作。

【SODAART】Red SodaのLive2D

154,653 Aufrufe • vor 1 Jahr

其實有很多物理性的滅鼠方法投藥滅鼠是最笨的！因為食物鏈的關係，可能帶來生態浩劫殺了我們不想殺的動物這是幾年前紐西蘭的發明只要在老鼠出沒的地方放幾台，然後請人定時去巡就好對環境的影響，應該是最小的。

其實有很多物理性的滅鼠方法投藥滅鼠是最笨的！因為食物鏈的關係，可能帶來生態浩劫殺了我們不想殺的動物這是幾年前紐西蘭的發明只要在老鼠出沒的地方放幾台，然後請人定時去巡就好對環境的影響，應該是最小的。

台灣大叔

10,507 Aufrufe • vor 2 Monaten

研究了一些Geometry Node 在同一個object內的不同網格，做距離判定的法線傳輸。配合之前的一些技巧，應該能應用在不同物件上。直接拓撲一堆網格，對我來說還是太麻煩了多善用modifier或這些工具，可以節省我很多時間跟精神上的損耗這個模型就只是幾條長方形，其他都是生成出來的 #blender

研究了一些Geometry Node 在同一個object內的不同網格，做距離判定的法線傳輸。配合之前的一些技巧，應該能應用在不同物件上。直接拓撲一堆網格，對我來說還是太麻煩了多善用modifier或這些工具，可以節省我很多時間跟精神上的損耗這個模型就只是幾條長方形，其他都是生成出來的 #blender

龍の宴

68,037 Aufrufe • vor 1 Monat

又找到一個買電動車的理由了話說你喜歡被叫爸爸嗎 Inference Labs ，讓 AI 也能做到信任最小化在 Web3 世界裡，有一句話我一直記得不要信任任何人，驗證一切這套邏輯讓區塊鏈可以在沒有中心管理者的情況下運作但一旦 AI 進來，這個原則就開始被打破了現在大多數 AI 系統其實都需要你「先相信它」你要相信模型沒被動過、推理過程沒被修改、節點沒有作惡這種假設在 Web2 或許還行但放在 Web3 就顯得非常不自然甚至有點危險 Inference Network 做的事情就是把 AI 拉回 Web3 熟悉的軌道信任最小化它不要求你信任節點、不要求你信任模型提供者甚至不要求你信任執行環境你只需要驗證一個東西就是推理證明是否成立對我來說，這一點非常關鍵因為一旦 AI 的結果可以被獨立驗證信任就不再綁在某個角色身上是綁在數學和規則上這跟我們現在驗證交易、驗證區塊、驗證合約的方式其實是一樣的站在普通使用者角度我不想每天擔心哪個節點會不會作弊也不想研究哪個模型比較誠實我只想知道這個結果是不是照規則算出來的 Inference Network 提供的就是這樣一個簡單、直覺的答案這也讓我意識到一件事 AI 要真正進入 Web3 靠的不是更強的模型是更低的信任成本只要每個結果都能被驗證整個系統就能自然地運作下去我覺得 Inference Network 是把 Web3 最核心的「信任最小化」精神，真正帶進了 AI 世界這也是我覺得它價值很高的地方

又找到一個買電動車的理由了話說你喜歡被叫爸爸嗎 Inference Labs ，讓 AI 也能做到信任最小化在 Web3 世界裡，有一句話我一直記得不要信任任何人，驗證一切這套邏輯讓區塊鏈可以在沒有中心管理者的情況下運作但一旦 AI 進來，這個原則就開始被打破了現在大多數 AI 系統其實都需要你「先相信它」你要相信模型沒被動過、推理過程沒被修改、節點沒有作惡這種假設在 Web2 或許還行但放在 Web3 就顯得非常不自然甚至有點危險 Inference Network 做的事情就是把 AI 拉回 Web3 熟悉的軌道信任最小化它不要求你信任節點、不要求你信任模型提供者甚至不要求你信任執行環境你只需要驗證一個東西就是推理證明是否成立對我來說，這一點非常關鍵因為一旦 AI 的結果可以被獨立驗證信任就不再綁在某個角色身上是綁在數學和規則上這跟我們現在驗證交易、驗證區塊、驗證合約的方式其實是一樣的站在普通使用者角度我不想每天擔心哪個節點會不會作弊也不想研究哪個模型比較誠實我只想知道這個結果是不是照規則算出來的 Inference Network 提供的就是這樣一個簡單、直覺的答案這也讓我意識到一件事 AI 要真正進入 Web3 靠的不是更強的模型是更低的信任成本只要每個結果都能被驗證整個系統就能自然地運作下去我覺得 Inference Network 是把 Web3 最核心的「信任最小化」精神，真正帶進了 AI 世界這也是我覺得它價值很高的地方

小美哥🕊️｜🐬TermMax

347,431 Aufrufe • vor 6 Monaten

川普表示，宣布對等關稅之後，每個國家都打電話來了！要求談判！這很好，我要做的就是掌握主動權「每個國家都主動聯絡我了, 你說妙不妙？」「你知道的，要是他們端出的條件不錯, 那會很好！」商人會善用談判的技巧，先開出天價把對手逼上談判桌，利用心理學中的錨定效應, 協商後打折到原本想的數字, 對方會認為有賺到。只有小學畢業的習包子，不顧韭菜死活，用對等報復政策

川普表示，宣布對等關稅之後，每個國家都打電話來了！要求談判！這很好，我要做的就是掌握主動權「每個國家都主動聯絡我了, 你說妙不妙？」「你知道的，要是他們端出的條件不錯, 那會很好！」商人會善用談判的技巧，先開出天價把對手逼上談判桌，利用心理學中的錨定效應, 協商後打折到原本想的數字, 對方會認為有賺到。只有小學畢業的習包子，不顧韭菜死活，用對等報復政策

Otto Huang 

187,101 Aufrufe • vor 1 Jahr

孤男寡女跑來旅館喝酒有問題懂得人都懂在去中心化世界有一個最現實的問題我怎麼知道網路對面那台電腦給我的答案是真的如果他為了省電隨便拿個舊模型敷衍我或者乾脆用 AI 隨機生一段話騙我我不就當了冤大頭嗎？ Perceptron Network 為了解決這個信任難題開發了一套叫做「推理證明（Proof of Inference）」的硬核機制這是我覺得他們技術中最亮眼的部分簡單來說 Worker 在幫你運算 AI 任務的同時必須生成一份數學足跡這份足跡記錄了運算的每一個關鍵路徑且無法被偽造這就像是外送員把飯送到你手上時還得提供一段從廚房下鍋到裝盒的全程監控影片驗證者節點會利用密碼學技術快速檢驗這份證明如果發現數據對不上 Worker 質押的保證金會立刻被系統沒收這種機制把人性的因素降到了最低把數學的地位抬到了最高在 Perceptron 的世界裡你不需要信任任何一個陌生人你只需要信任那套堅不可摧的數學算法這種信任成本的降低才是去中心化網路能大規模運行的基石

孤男寡女跑來旅館喝酒有問題懂得人都懂在去中心化世界有一個最現實的問題我怎麼知道網路對面那台電腦給我的答案是真的如果他為了省電隨便拿個舊模型敷衍我或者乾脆用 AI 隨機生一段話騙我我不就當了冤大頭嗎？ Perceptron Network 為了解決這個信任難題開發了一套叫做「推理證明（Proof of Inference）」的硬核機制這是我覺得他們技術中最亮眼的部分簡單來說 Worker 在幫你運算 AI 任務的同時必須生成一份數學足跡這份足跡記錄了運算的每一個關鍵路徑且無法被偽造這就像是外送員把飯送到你手上時還得提供一段從廚房下鍋到裝盒的全程監控影片驗證者節點會利用密碼學技術快速檢驗這份證明如果發現數據對不上 Worker 質押的保證金會立刻被系統沒收這種機制把人性的因素降到了最低把數學的地位抬到了最高在 Perceptron 的世界裡你不需要信任任何一個陌生人你只需要信任那套堅不可摧的數學算法這種信任成本的降低才是去中心化網路能大規模運行的基石

小美哥🕊️｜🐬TermMax

401,766 Aufrufe • vor 5 Monaten

【Live2D製作分享】利用兩條空參數的最大值/最小值控制物理運算可以套用到大多數外套的拉鏈開合做法請多指教！ VTuber： Naria ⚙🐰 Vtuber (Hiatus) Design：松島澄子🥞 Model Art： Kinchou🍃Kaiki Live2D：SodaArt Thya #Live2D #Live2DWIP #Live2DTutorial #Vtuber

【Live2D製作分享】利用兩條空參數的最大值/最小值控制物理運算可以套用到大多數外套的拉鏈開合做法請多指教！ VTuber： Naria ⚙🐰 Vtuber (Hiatus) Design：松島澄子🥞 Model Art： Kinchou🍃Kaiki Live2D：SodaArt Thya #Live2D #Live2DWIP #Live2DTutorial #Vtuber

Thya

96,343 Aufrufe • vor 3 Jahren

Spine 物理太好用了吧.. 因為公司平常都是限制在沒有物理的版本今天有時間可以摸大概摸了一下之前一個一個key的我：😭😭 不過以後還是要一個一個key..哭了都

Spine 物理太好用了吧.. 因為公司平常都是限制在沒有物理的版本今天有時間可以摸大概摸了一下之前一個一個key的我：😭😭 不過以後還是要一個一個key..哭了都

愛君Aijunart🐽

32,322 Aufrufe • vor 6 Monaten

【Live2D小技巧分享】前幾天有同學傳了張圖給我, 問我說這樣圖層一整片的後髮要怎麼製作才會比較流暢好看? 我看了一下,這張其實要看前面是甚麼頭髮造型結構. 如果前髮擋得夠多的話, 後髮這樣子一張,我其實也會直接整張套個曲面來處理. 不過因為這張的髮尾其實是很多根分枝出去的, 加上上色法主要是單一色塊,加個外框線的畫法. 真的要拆的話也可以幫它一根根拆開來, 然後最底下把每根再加個框線一起處理. 這樣就可以在維持框線下晃動了. 給同學參考~😊 #Live2D #RedSoda

【Live2D小技巧分享】前幾天有同學傳了張圖給我, 問我說這樣圖層一整片的後髮要怎麼製作才會比較流暢好看? 我看了一下,這張其實要看前面是甚麼頭髮造型結構. 如果前髮擋得夠多的話, 後髮這樣子一張,我其實也會直接整張套個曲面來處理. 不過因為這張的髮尾其實是很多根分枝出去的, 加上上色法主要是單一色塊,加個外框線的畫法. 真的要拆的話也可以幫它一根根拆開來, 然後最底下把每根再加個框線一起處理. 這樣就可以在維持框線下晃動了. 給同學參考~😊 #Live2D #RedSoda

【SODAART】Red SodaのLive2D

13,253 Aufrufe • vor 7 Monaten

剛好十二年前的這個凌晨。 318學運，也就是後來大家稱為的太陽花學運。那一晚，大約凌晨五點左右，警察幾波的攻堅都被學生們擋了下來。現場很多學生與警察都受了傷，衝突與拉扯持續了一整夜。隔天，太陽花醫療團成立。在接下來的二十四天裡，超過四千人次的醫護人員投入支援。二十四小時輪班待命，在現場為所有需要的人提供醫療協助。不分你我，不問立場。只希望有人受傷時，可以有人幫忙。太陽花醫療團也陪著整個運動走過許多關鍵時刻。經歷了323行政院衝突的整個血腥夜晚，也經歷了330凱道50萬人走上街頭的那一天。在那些混亂與緊張的時刻裡，醫護人員始終守在現場，為受傷的人提供協助。一直到運動結束的最後時刻，醫療團仍然留在議場內待命。等到最後一批學生安全離開，醫療團才跟著撤出議場。很多人默默做完該做的事，就離開了。太陽花學運到底是一場成功的運動，還是一場失敗的運動，或許還要留給歷史去評價。它確實在當時擋下了黑箱服貿，也讓很多原本不關心政治的人開始思考公共事務，開始關心這個社會、這個國家。但歷史從來不會只有一個結果。一場社會運動帶來的能量，也可能被不同的人以不同方式接住。有些人真的想改變社會，也有人看見了政治的機會。後來出現的柯文哲、黃國昌，某種程度上也是那個時代氛圍下的產物。社會運動喚醒了很多人，同時也讓一些人找到新的政治舞台。這就是民主社會的複雜之處。理想與現實，往往同時存在。十二年過去了。我們只希望大家都好，台灣更好。也希望每一個曾經站出來關心這塊土地的人，無論當年是在街頭、在醫療站、還是在螢幕前關注，都能好好地生活。天色慢慢變亮。黑夜終究會過去。望你順遂。台灣。

剛好十二年前的這個凌晨。 318學運，也就是後來大家稱為的太陽花學運。那一晚，大約凌晨五點左右，警察幾波的攻堅都被學生們擋了下來。現場很多學生與警察都受了傷，衝突與拉扯持續了一整夜。隔天，太陽花醫療團成立。在接下來的二十四天裡，超過四千人次的醫護人員投入支援。二十四小時輪班待命，在現場為所有需要的人提供醫療協助。不分你我，不問立場。只希望有人受傷時，可以有人幫忙。太陽花醫療團也陪著整個運動走過許多關鍵時刻。經歷了323行政院衝突的整個血腥夜晚，也經歷了330凱道50萬人走上街頭的那一天。在那些混亂與緊張的時刻裡，醫護人員始終守在現場，為受傷的人提供協助。一直到運動結束的最後時刻，醫療團仍然留在議場內待命。等到最後一批學生安全離開，醫療團才跟著撤出議場。很多人默默做完該做的事，就離開了。太陽花學運到底是一場成功的運動，還是一場失敗的運動，或許還要留給歷史去評價。它確實在當時擋下了黑箱服貿，也讓很多原本不關心政治的人開始思考公共事務，開始關心這個社會、這個國家。但歷史從來不會只有一個結果。一場社會運動帶來的能量，也可能被不同的人以不同方式接住。有些人真的想改變社會，也有人看見了政治的機會。後來出現的柯文哲、黃國昌，某種程度上也是那個時代氛圍下的產物。社會運動喚醒了很多人，同時也讓一些人找到新的政治舞台。這就是民主社會的複雜之處。理想與現實，往往同時存在。十二年過去了。我們只希望大家都好，台灣更好。也希望每一個曾經站出來關心這塊土地的人，無論當年是在街頭、在醫療站、還是在螢幕前關注，都能好好地生活。天色慢慢變亮。黑夜終究會過去。望你順遂。台灣。

盾牌牙醫史書華

14,523 Aufrufe • vor 3 Monaten

這是我第一次聽到 Jim Fan 的演講，非常幽默有趣，然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了，好好活著，各位。在 AI 領域，我們常聽說圖靈測試（Turing Test）是衡量機器能否展現與人類無異對話能力的里程碑。如今，大型語言模型（LLM）似乎已悄悄地通過了這個測試，但大家對其突破已習以為常，甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出，當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」（just yet another Tuesday），這反映了我們對文字世界 AI 的標準已大幅提高。然而，當我們將目光轉向現實世界，讓機器人進行物理操作時，會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念：「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是：如果你回家後，看到雜亂的房間被整理得乾淨俐落，甚至還準備了一頓浪漫的燭光晚餐，而你無法分辨這是由真人還是機器人完成的，那代表這個機器人通過了物理圖靈測試。但現實呢？看看那些連站起來都困難的人形機器人，或是嘗試為主人做早餐卻搞得一團亂的機器手臂（雖然辨識出牛奶值得給 A-，但湯匙餵食的確是 VIP 等級的體驗），我們離「物理圖靈測試」還差得很遠。實體 AI 的最大瓶頸：資料飢渴症為什麼物理圖靈測試如此困難？ Jim Fan 點出了核心問題：資料。LLM 研究人員抱怨網際網路資料快被用完，稱其為 AI 的「化石燃料」。但對機器人學家來說，我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」（teleoperation）方式收集，也就是由真人穿戴感應裝置來遠端控制機器人，手把手地教它完成任務（例如從烤麵包機拿出麵包再淋上蜂蜜）。這種方式極度沒效率，Jim Fan 將其比喻為燃燒「人類燃料」(human fuel)，比化石燃料還稀缺，每天每個機器人頂多運作 24 小時，而且真人會累，機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模，形成了一個巨大的資料瓶頸。模擬世界的核能：突破資料荒的救星要突破這個瓶頸，唯一的出路是「模擬 (Simulation)」，找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略：模擬 1.0：數位分身 (Digital Twin) 概念：在虛擬世界中建立機器人和環境的一對一精確拷貝。方法：利用高效能的向量化物理引擎，可以在單一 GPU 上模擬上萬個環境，速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術，在模擬時隨機改變重力、摩擦力、物體重量等參數，迫使 AI 在各種條件下都能執行任務。優勢：極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上，無需微調。例如，訓練機械手在模擬中轉筆，訓練機器狗在球上平衡，訓練人形機器人行走（10 年訓練量在 2 小時模擬完成）。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。限制：數位分身需要人工精確建模，建立複雜環境耗時費力，模擬的多樣性仍然受限於人工設定的範圍。模擬 2.0：數位表親 (Digital Cousin) 概念：開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝，但能產生足夠多樣的環境和場景，「像數位分身的表親」。方法：利用 3D 生成模型生成場景中的各種物品（如家具），使用擴散模型（Diffusion Model）生成紋理貼圖，利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子，可以生成大規模、包含日常任務的模擬場景，除了機器人本身，其他幾乎都是生成的。優勢：顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作，然後將軌跡變異、擴展到更多生成的環境中，實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界，但「足夠接近」。限制：相較於 1.0，運行速度可能較慢，仍部分依賴傳統渲染管線。模擬 3.0 (世界模型 / 擴散模型)：數位遊牧者 (Digital Nomad) 概念：直接利用生成式模型（特別是影片擴散模型）來模擬物理世界的互動，擺脫對傳統物理引擎的依賴。方法：以大量真實世界影片（數百萬段網路影片）訓練影片擴散模型，使其學會模擬各種複雜的物理現象（如流體、軟體變形）。 NVIDIA 的研究表明，只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型，就能讓模型學會模擬機器人的精確互動。優勢：極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動，不受傳統物理引擎的限制（例如模擬機器人彈烏克麗麗，即便硬體不支援，模型也能「畫」出來）。這就像讓機器人漫遊在影片模型的「夢境空間」（dream space）——一個壓縮了海量網路影片的多元宇宙，實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間，影片生成模型在物理真實度上（例如變形麵條）的進步，就超越了傳統圖學 30 年的發展。速度：目前運行可能較慢，但具備隨算力呈指數級成長的巨大潛力。具身縮放定律與 GR00T N1 Jim Fan 總結，傳統模擬（1.0）的速度快但受限於多樣性，而生成式模擬（2.0/3.0）雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合，將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著，對 AI 算力的需求只會越來越大，那些認為算力問題會迎刃而解的人需要再三思考。藉由這些模擬技術產生的海量資料，NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」，能接收圖像和語言指令，並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例，它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源，NVIDIA 也計劃將未來的模型開源，以普及「實體 AI」。物理 API：通往新世界的入口實體 AI 的最終目標，是實現「物理 API (Physical API)」。想像一下，就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣，物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API，你可以讓軟體直接控制物理致動器，改變物理世界的狀態。這將催生全新的經濟模式和應用場景：物理提示 (Physical Prompting)：不再只用文字，而是結合視覺和語言等方式更直觀地教導和指示機器人。物理應用商店和技能經濟 (Physical App Store & Skill Economy)：米其林大廚不必親自下廚，他可以「教導」機器人他的獨家烹飪技巧，並將這個技能作為服務販售，讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調，未來「每一個會移動的東西都將是自主的」。總有一天，你回家會看到乾淨的沙發和燭光晚餐，伴侶對你微笑而不是責備你沒做家事——而那一天，我們通過物理圖靈測試的時刻，很可能就像 LLM 通過圖靈測試一樣，在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。

這是我第一次聽到 Jim Fan 的演講，非常幽默有趣，然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了，好好活著，各位。在 AI 領域，我們常聽說圖靈測試（Turing Test）是衡量機器能否展現與人類無異對話能力的里程碑。如今，大型語言模型（LLM）似乎已悄悄地通過了這個測試，但大家對其突破已習以為常，甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出，當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」（just yet another Tuesday），這反映了我們對文字世界 AI 的標準已大幅提高。然而，當我們將目光轉向現實世界，讓機器人進行物理操作時，會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念：「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是：如果你回家後，看到雜亂的房間被整理得乾淨俐落，甚至還準備了一頓浪漫的燭光晚餐，而你無法分辨這是由真人還是機器人完成的，那代表這個機器人通過了物理圖靈測試。但現實呢？看看那些連站起來都困難的人形機器人，或是嘗試為主人做早餐卻搞得一團亂的機器手臂（雖然辨識出牛奶值得給 A-，但湯匙餵食的確是 VIP 等級的體驗），我們離「物理圖靈測試」還差得很遠。實體 AI 的最大瓶頸：資料飢渴症為什麼物理圖靈測試如此困難？ Jim Fan 點出了核心問題：資料。LLM 研究人員抱怨網際網路資料快被用完，稱其為 AI 的「化石燃料」。但對機器人學家來說，我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」（teleoperation）方式收集，也就是由真人穿戴感應裝置來遠端控制機器人，手把手地教它完成任務（例如從烤麵包機拿出麵包再淋上蜂蜜）。這種方式極度沒效率，Jim Fan 將其比喻為燃燒「人類燃料」(human fuel)，比化石燃料還稀缺，每天每個機器人頂多運作 24 小時，而且真人會累，機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模，形成了一個巨大的資料瓶頸。模擬世界的核能：突破資料荒的救星要突破這個瓶頸，唯一的出路是「模擬 (Simulation)」，找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略：模擬 1.0：數位分身 (Digital Twin) 概念：在虛擬世界中建立機器人和環境的一對一精確拷貝。方法：利用高效能的向量化物理引擎，可以在單一 GPU 上模擬上萬個環境，速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術，在模擬時隨機改變重力、摩擦力、物體重量等參數，迫使 AI 在各種條件下都能執行任務。優勢：極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上，無需微調。例如，訓練機械手在模擬中轉筆，訓練機器狗在球上平衡，訓練人形機器人行走（10 年訓練量在 2 小時模擬完成）。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。限制：數位分身需要人工精確建模，建立複雜環境耗時費力，模擬的多樣性仍然受限於人工設定的範圍。模擬 2.0：數位表親 (Digital Cousin) 概念：開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝，但能產生足夠多樣的環境和場景，「像數位分身的表親」。方法：利用 3D 生成模型生成場景中的各種物品（如家具），使用擴散模型（Diffusion Model）生成紋理貼圖，利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子，可以生成大規模、包含日常任務的模擬場景，除了機器人本身，其他幾乎都是生成的。優勢：顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作，然後將軌跡變異、擴展到更多生成的環境中，實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界，但「足夠接近」。限制：相較於 1.0，運行速度可能較慢，仍部分依賴傳統渲染管線。模擬 3.0 (世界模型 / 擴散模型)：數位遊牧者 (Digital Nomad) 概念：直接利用生成式模型（特別是影片擴散模型）來模擬物理世界的互動，擺脫對傳統物理引擎的依賴。方法：以大量真實世界影片（數百萬段網路影片）訓練影片擴散模型，使其學會模擬各種複雜的物理現象（如流體、軟體變形）。 NVIDIA 的研究表明，只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型，就能讓模型學會模擬機器人的精確互動。優勢：極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動，不受傳統物理引擎的限制（例如模擬機器人彈烏克麗麗，即便硬體不支援，模型也能「畫」出來）。這就像讓機器人漫遊在影片模型的「夢境空間」（dream space）——一個壓縮了海量網路影片的多元宇宙，實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間，影片生成模型在物理真實度上（例如變形麵條）的進步，就超越了傳統圖學 30 年的發展。速度：目前運行可能較慢，但具備隨算力呈指數級成長的巨大潛力。具身縮放定律與 GR00T N1 Jim Fan 總結，傳統模擬（1.0）的速度快但受限於多樣性，而生成式模擬（2.0/3.0）雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合，將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著，對 AI 算力的需求只會越來越大，那些認為算力問題會迎刃而解的人需要再三思考。藉由這些模擬技術產生的海量資料，NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」，能接收圖像和語言指令，並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例，它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源，NVIDIA 也計劃將未來的模型開源，以普及「實體 AI」。物理 API：通往新世界的入口實體 AI 的最終目標，是實現「物理 API (Physical API)」。想像一下，就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣，物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API，你可以讓軟體直接控制物理致動器，改變物理世界的狀態。這將催生全新的經濟模式和應用場景：物理提示 (Physical Prompting)：不再只用文字，而是結合視覺和語言等方式更直觀地教導和指示機器人。物理應用商店和技能經濟 (Physical App Store & Skill Economy)：米其林大廚不必親自下廚，他可以「教導」機器人他的獨家烹飪技巧，並將這個技能作為服務販售，讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調，未來「每一個會移動的東西都將是自主的」。總有一天，你回家會看到乾淨的沙發和燭光晚餐，伴侶對你微笑而不是責備你沒做家事——而那一天，我們通過物理圖靈測試的時刻，很可能就像 LLM 通過圖靈測試一樣，在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。

fox hsiao

19,279 Aufrufe • vor 1 Jahr

這位卡提諾大學法律系大三同學，你的未來真的沒有希望，你還是休學去學割草吧❗️ 放眼未來，割草還是需要人工地，加油🤣 天曉得網友一堆能人，連下冊才有的內容都能講出來，還有人把下冊的目錄找出來，真的不要跟1450開玩笑，因為很快就會被打臉😅 是說，同學你怎麼有勇氣把每讀到、讀透的書拿出來秀❓ 勇氣用在這地方，不對吧🙄

這位卡提諾大學法律系大三同學，你的未來真的沒有希望，你還是休學去學割草吧❗️ 放眼未來，割草還是需要人工地，加油🤣 天曉得網友一堆能人，連下冊才有的內容都能講出來，還有人把下冊的目錄找出來，真的不要跟1450開玩笑，因為很快就會被打臉😅 是說，同學你怎麼有勇氣把每讀到、讀透的書拿出來秀❓ 勇氣用在這地方，不對吧🙄

家有Frank

180,622 Aufrufe • vor 1 Jahr